اختلال جهانی Outlook و مایکروسافت ۳۶۵ چه واقعیتی را آشکار کرد؟ │ وابستگی میلیونها کاربر به زیرساختهای ابری

اختلال گسترده مایکروسافت در روزهای ۱۲ و ۱۳ نوامبر، دسترسی میلیونها کاربر به Outlook و مجموعهای از خدمات مایکروسافت ۳۶۵ را مختل کرد. این اتفاق که بیش از ۲۱ ساعت ادامه داشت، نشان داد خرابی بخشی از زیرساخت یک شرکت فناوری چگونه میتواند ارتباطات سازمانی و فعالیت کسبوکارها را در کشورهای مختلف تحت تأثیر قرار دهد.
اختلال گسترده مایکروسافت در روزهای ۱۲ و ۱۳ نوامبر، تنها به باز نشدن صندوق ورودی Outlook محدود نماند و بخشهایی از خدمات ارتباطی و سازمانی این شرکت را نیز تحت تأثیر قرار داد. کاربران در کشورهای مختلف برای ارسال و دریافت ایمیل، دسترسی به تقویم و استفاده از برخی قابلیتهای تیمز و دیگر ابزارهای مایکروسافت ۳۶۵ با مشکل مواجه شدند. منشأ اصلی اختلال به مشکلات زیرساخت شبکه و از دسترس خارج شدن تعدادی از سرورها ارتباط داشت؛ اتفاقی که بازیابی خدمات را طولانی کرد. اهمیت این حادثه فراتر از یک قطعی موقت است: بسیاری از سازمانها برای انجام کارهای روزمره به مجموعهای از خدمات وابستهاند که خرابی یک بخش میتواند عملکرد آنها را مختل کند.
سه نقص فنی چگونه به یک اختلال جهانی تبدیل شدند؟
بررسی اولیه مایکروسافت از این حادثه نشان میدهد که قطعی گسترده نتیجه یک خطای منفرد نبود. سه اتفاق فنی در کنار یکدیگر شرایطی ایجاد کردند که زیرساخت ارتباطی این شرکت نتوانست حجم درخواستها را مدیریت کند.
عامل اول، یک نقص نرمافزاری قدیمی بود. تغییر نرمافزاری که از ژوئیه ۲۰۲۶ بهتدریج روی سرورهای دروازه شبکه مایکروسافت اجرا شده بود، در شرایط خاص افزایش بار پردازشی میتوانست باعث درگیری داخلی فرایندها و مصرف بیشازحد منابع پردازنده و حافظه شود.
این تغییر بیش از سه ماه بدون مشکل جدی در زیرساخت جهانی شرکت فعالیت کرده بود. آزمایشهای پیش از انتشار نیز نتوانسته بودند این ایراد را شناسایی کنند؛ زیرا شرایط آزمایشگاهی از نظر ترکیب بار کاری و سختافزار با محیط واقعی تفاوت داشت.
عامل دوم، انتقال ترافیک تیمز بود. حدود ۱۵ ساعت پیش از آغاز اختلال، بخشی از ترافیک این سرویس به دروازه اصلی شبکه منتقل شد؛ همان زیرساختی که از خدمات ایمیلی اکسچنج آنلاین نیز پشتیبانی میکرد. این جابهجایی در چارچوب سازوکار عادی پایداری شبکه انجام شده بود، اما فشار بیشتری به زیرساخت اصلی وارد کرد.
عامل سوم، کاهش ظرفیت سرورها بود. نزدیک به ۱۴ درصد از ظرفیت سرورهای دروازه شبکه به دلیل مشکلی مستقل از حادثه اصلی از مدار خارج بود. ترکیب این کاهش ظرفیت با افزایش بار و نقص نرمافزاری پنهان، شرایطی ایجاد کرد که سرورها بهتدریج از پاسخگویی بازماندند.
چرا اختلال Outlook به سایر خدمات مایکروسافت هم رسید؟
زیرساخت مایکروسافت ۳۶۵ از مجموعهای از سرویسهای بههمپیوسته تشکیل شده است. Outlook برای مدیریت ایمیل به اکسچنج آنلاین وابسته است و برخی قابلیتهای دیگر محصولات این شرکت نیز از امکانات ارتباطی و پردازشی همین زیرساخت استفاده میکنند.
در نتیجه، اختلال در بخش مرکزی شبکه میتواند فراتر از یک نرمافزار گسترش پیدا کند.
فهرست خدماتی که در گزارش اولیه حادثه بهعنوان بخشهای تحت تأثیر معرفی شدند، شامل موارد زیر بود:
-
Outlook و Exchange Online برای مدیریت صندوق ایمیل و ارسال پیامها
-
Microsoft Teams برای ارتباطات سازمانی و جلسات آنلاین
-
Microsoft ۳۶۵ Copilot برای برخی قابلیتهای مبتنی بر هوش مصنوعی
-
SharePoint برای مدیریت و اشتراکگذاری اسناد
-
OneDrive برای ذخیرهسازی فایلها
-
Defender و Purview برای برخی قابلیتهای امنیتی و مدیریت اطلاعات
-
Planner و To Do برای مدیریت وظایف
-
Power Apps و Power BI برای ساخت برنامه و تحلیل اطلاعات
البته همه این سرویسها به یک اندازه از اختلال آسیب ندیدند. برخی قابلیتها با استفاده از مسیرهای جایگزین زودتر بازیابی شدند، اما دسترسی به صندوقهای ایمیل اکسچنج آنلاین با مشکلات طولانیتری مواجه بود.
این تفاوت اهمیت معماری زیرساخت را نشان میدهد؛ زیرا حتی در یک مجموعه نرمافزاری واحد، میزان وابستگی هر محصول به اجزای مرکزی شبکه میتواند متفاوت باشد.
بیش از ۸۰ درصد سرورها از پاسخگویی بازماندند
یکی از مهمترین جزئیات گزارش اولیه، گسترش زنجیرهای خرابی در زیرساخت شبکه است.
سامانههای مایکروسافت برای حفظ دسترسی کاربران طراحی شدهاند تا هنگام از کار افتادن یک سرور، درخواستها به سرورهای سالم منتقل شوند. این سازوکار معمولاً مانع از آن میشود که خرابی یک بخش به قطعی گسترده تبدیل شود.
اما در حادثه نوامبر، همین جابهجایی ترافیک به تشدید مشکل کمک کرد.
سرورهایی که ابتدا از پاسخگویی بازمانده بودند، درخواستهای بیشتری را به سمت سرورهای باقیمانده هدایت کردند. افزایش فشار باعث شد بخش دیگری از زیرساخت نیز دچار مشکل شود و این روند بهصورت زنجیرهای ادامه پیدا کند.
بر اساس گزارش اولیه شرکت، در بدترین مرحله بیش از ۸۰ درصد سرورهای دروازه شبکه تحت تأثیر قرار گرفتند و پاسخگویی آنها مختل شد.
این اتفاق یک ضعف مهم را آشکار کرد: سامانهای که برای انتقال خودکار ترافیک در زمان خرابی طراحی شده، اگر نتواند ظرفیت واقعی سرورهای مقصد را تشخیص دهد، ممکن است بهجای محدود کردن اختلال، آن را گسترش دهد.
چرا بازگرداندن Outlook اینقدر طول کشید؟
اختلال از ۱۲ نوامبر آغاز شد و اثر اصلی آن تا ساعت ۱۶:۱۰ به وقت هماهنگ جهانی در ۱۳ نوامبر ادامه داشت؛ یعنی نزدیک به ۲۴ ساعت.
با وجود تلاشهای اولیه برای راهاندازی مجدد سرورها، بازگشت بعضی از آنها به مدار مشکل را بهطور پایدار برطرف نکرد. درخواستهای انباشتهشده همچنان در صف انتظار بودند و پس از بازگشت سرورها، فشار ناشی از این درخواستها دوباره باعث اختلال میشد.
چند عامل بازیابی را دشوارتر کردند:
۱. راهاندازی مجدد سرورها بهتنهایی نقص نرمافزاری اصلی را برطرف نمیکرد.
۲. حجم درخواستهای انباشتهشده، سرورهای بازگشته را دوباره تحت فشار قرار میداد.
۳. انتقال ترافیک به زیرساخت جایگزین برای تمام خدمات، بهخصوص اکسچنج آنلاین، بهآسانی امکانپذیر نبود.
۴. بازگرداندن تنظیمات قبلی نیز راهحل کاملی نبود؛ زیرا نقص نرمافزاری از قبل در نسخه مستقرشده وجود داشت.
مهندسان مایکروسافت در نهایت اصلاحیهای برای رفع نقص ایجاد کردند و آن را بهصورت مرحلهای روی سرورهای آسیبدیده اجرا کردند. شرکت همچنین از افزایش ظرفیت، بهبود نظارت و اعمال محدودیتهای حفاظتی بیشتر برای جلوگیری از انتقال زنجیرهای اختلال خبر داد.
آیا ایمیلهای کاربران در جریان اختلال از بین رفتند؟
یکی از نگرانیهای اصلی کاربران در زمان قطعی، از دست رفتن پیامهایی بود که ارسال شده بودند یا قرار بود به صندوق ورودی برسند.
مشکل اصلی اکسچنج آنلاین علاوه بر دسترسی نداشتن به صندوق ایمیل، تأخیر در تحویل پیامها بود. بخشی از ایمیلها در صف پردازش باقی ماندند و تحویل آنها به زمان بیشتری نیاز داشت.
مایکروسافت برای جلوگیری از برگشت خوردن پیامهای تأخیردار، مهلت نگهداری و پردازش ایمیلها را به ۴۸ ساعت افزایش داد. این اقدام به زیرساخت فرصت بیشتری داد تا پس از بازگشت خدمات، پیامهای انباشتهشده را پردازش کند.
شرکت در اطلاعیه بازیابی خود اعلام کرد که صف پیامهای باقیمانده نیز پردازش شده و خدمات به وضعیت عادی بازگشتهاند.
بنابراین این حادثه را نباید با حذف گسترده ایمیلهای کاربران یکسان دانست. مشکل اصلی، اختلال در دسترسی و تأخیر در انتقال پیامها بود و مایکروسافت از تکمیل فرایند پردازش پیامهای باقیمانده خبر داد.
این اختلال چه درسی برای کسبوکارها دارد؟
مهمترین پیام این حادثه برای شرکتها و سازمانهایی که فعالیت روزانه خود را به خدمات ابری سپردهاند، ضرورت داشتن برنامه جایگزین است.
بسیاری از کسبوکارها ایمیل سازمانی، تقویم جلسات، اسناد کاری، ارتباطات داخلی و حتی فرایندهای مالی خود را در یک مجموعه خدمات آنلاین مدیریت میکنند. این روش هزینه نگهداری زیرساخت اختصاصی را کاهش میدهد و دسترسی به ابزارهای پیشرفته را آسانتر میکند؛ اما وابستگی به یک ارائهدهنده نیز ریسک خاص خود را دارد.
برای کاهش این ریسک، چند اقدام کاربردی اهمیت بیشتری پیدا میکنند:
-
پشتیبانگیری مستقل: نسخه پشتیبان اطلاعات مهم باید به شکلی نگهداری شود که صرفاً به همان سرویس ابری وابسته نباشد.
-
مسیر ارتباطی جایگزین: سازمانها باید برای ارتباطات ضروری، روش دیگری غیر از ایمیل سازمانی داشته باشند.
-
دسترسی اضطراری به اسناد: نگهداری نسخههای ضروری اسناد و اطلاعات حیاتی در محیطی مستقل میتواند از توقف کامل فعالیت جلوگیری کند.
-
برنامه تداوم کسبوکار: مسئولیتها و روش ادامه فعالیت هنگام قطعی سرویس باید از قبل مشخص شده باشد.
-
تنوع ارائهدهندگان: در خدمات بسیار حساس، وابستگی کامل به یک شرکت میتواند ریسک عملیاتی ایجاد کند.
برای درک بهتر تفاوت میان پایداری ارتباط و سرعت اینترنت، بررسی تفاوت اینترنت ثابت و مودم ۴G نیز میتواند دید کاربردیتری درباره وابستگی خدمات آنلاین به زیرساخت ارتباطی ارائه دهد.
آیا میتوان از تکرار چنین قطعیهایی جلوگیری کرد؟
هیچ زیرساخت ابری بزرگی را نمیتوان کاملاً مصون از خطا دانست. حتی شرکتهایی با مراکز داده متعدد، سامانههای پشتیبان و تیمهای تخصصی نیز ممکن است با ترکیب چند نقص کوچک به اختلال گسترده برسند.
نکته مهم در حادثه مایکروسافت، همزمانی سه عامل بود: نقصی که ماهها شناسایی نشده بود، تغییر مسیر ترافیک و کاهش ظرفیت عملیاتی. اگر هرکدام از این عوامل بهتنهایی رخ میداد، احتمالاً نتیجه متفاوت بود.
در این میان، کیفیت آزمایش نرمافزار پیش از انتشار نیز اهمیت ویژهای پیدا میکند. آزمایش روی سختافزار ضعیفتر یا با ترکیب متفاوت درخواستها، لزوماً رفتار نرمافزار را در شرایط واقعی و هنگام اوج مصرف نشان نمیدهد.
شرکتها باید علاوه بر آزمایش عملکرد عادی، سناریوهای خرابی همزمان، انتقال ترافیک، افزایش ناگهانی درخواستها و از دست رفتن بخشی از ظرفیت را نیز آزمایش کنند.
همچنین موضوع پایداری شبکه فقط به سرورها مربوط نیست. کیفیت ارتباط بیسیم و تجهیزات داخلی سازمان نیز میتواند بر تجربه کاربران اثر بگذارد. آشنایی با تفاوت باندهای ۲٫۴ و ۵ گیگاهرتز وای فای و نحوه طراحی شبکه مش برای پوشش پایدارتر برای مدیریت ارتباطات داخلی مفید است؛ هرچند این تجهیزات نمیتوانند اختلال در زیرساخت اصلی ارائهدهنده خدمات را برطرف کنند.
آخرین وضعیت مایکروسافت ۳۶۵ در ۲۸ آبان ۱۴۰۵
اختلال گسترده Outlook و مایکروسافت ۳۶۵ برطرف شده و خدمات آسیبدیده به وضعیت عملیاتی بازگشتهاند. در حال حاضر موضوع اصلی، بررسی ریشههای فنی حادثه و اجرای اقدامات پیشگیرانه است.
مایکروسافت در گزارش اولیه خود سه عامل اصلی را شناسایی کرده و از اصلاح نقص نرمافزاری، افزایش ظرفیت و تقویت سازوکارهای نظارتی خبر داده است. انتشار گزارش نهایی حادثه نیز برای ۲۰ نوامبر ۲۰۲۶ پیشبینی شده است؛ گزارشی که میتواند جزئیات بیشتری درباره علت گسترش خرابی و اقدامات اصلاحی شرکت روشن کند.
این حادثه بار دیگر نشان داد که دسترسپذیری یک سرویس ابری صرفاً به تعداد سرورها یا گستردگی مراکز داده وابسته نیست؛ نحوه مدیریت ظرفیت، کیفیت آزمایش تغییرات نرمافزاری و توانایی مهار خرابیهای زنجیرهای نیز به همان اندازه اهمیت دارند.




