彦祖们应该都听说了:微软这两天大宕机!
故事从北京时间 13 号凌晨说起,一大批美国用户突然发现,自己怎么也连不上 Outlook 邮箱。
Outlook,就是微软的办公软件,里面除了邮箱,还包含了日程管理、会议邀请等功能。国外大部分公司和政府机关,上班都是用 Outlook 沟通。
起初,大家还在网上发帖问怎么了。
结果这头 Outlook 还没恢复,微软的 Teams、Copilot、SharePoint 也陆续开始连接出现问题。
后来大家去监测故障的网站 Downdetector 一查,发现已经有 74 个国家和地区的报告说微软崩了。
什么,全球市值第三的微软崩了??
按常理来说,这种体量大厂的核心业务是不可能崩的。真要崩了,也一定很快能抢救好,对吧?
但谁能想到,微软服务一直到 14 号凌晨才彻底恢复。
那这 24 小时里,全球打工人受到多大影响呢?
工作效率倒退个 20 年吧。
比如英国就有几百家医院用回了纸质病历,甚至很多手术被临时取消。
因为英国国家医疗服务体系(NHS)100 多万员工,平时收发邮件、开会、传文件用的 NHS.net Connect 的系统,都要依赖微软服务。
NHS 系统登录不上后,所有病人资料发不出去也收不进来,连重症患者的紧急转诊也没办法通知。
还有英国法院系统平时靠 Outlook 收发邮件,什么民事案件判决也是用邮件发送的。
结果邮箱一挂,判决结果都只能推到下周一宣布。。。
受害法院之一↓
同样遭殃的还有日本。
日本数字厅给各部门搭的政府共通平台 GSS ,用的就是 Microsoft 365。
这下好了,各部门的 Outlook 收发不了邮件,最后靠着电话、短信来办公。好好好,全员回到 90 年代,开始复古 Y2K 时尚。
根据美国研究机构估计,这次微软带来的损失大约在 70 亿美元。
这影响的人一多,网友们的梗图也就跟着来了,反正看热闹不嫌事大。
有人发了一张 Microsoft 364 的图片,什么 Microsoft 365,今年得少算一天了。
微软必须改名!别问,问就是规矩。
还有网友发了一张 NASA 控制中心的照片,一屋子工作人员抱在一起欢呼:微软 Outlook 挂了,而且今天是周五。。。
只能说对不少打工人来说,周五早上邮箱打不开,确实等于周末提前开始了。
说到这问题就来了,微软闹出这么大规模的故障,到底啥情况?
一开始,微软怀疑是一个负责检查服务器健康状况的组件出错了,但直到昨天(16 号)发了初步事故报告,大家才算把原因搞清楚。
反正看完报告,哥们只想说:确实不是黑客搞的微软,纯粹自己搞自己。
微软 365 里的邮件、Teams、网盘这些服务,全世界的用户连进来时,都要先过一层「网络网关」。就像进地铁站,得先过闸机。
这道网关呢,微软准备了两套:一套主网关,一套备用。
每套网盘都有一大批服务器,相当于一排排闸机,用户先过闸,再被领到后面对应的服务。
出事前,邮件走的是主网关,Teams 走的是备用网关。两套互为备份,哪套出了状况,服务就能切到另一套去。
这次出问题的,正好就是主网关。
根据微软官方说法,导致事故的一共有 3 个伏笔。
第一个伏笔是 7 月份时,微软给网关服务器打了个补丁,里面藏着一个缺陷。它会让服务器一个内部程序出现「锁竞争」。
锁竞争就是抢东西。好比营业厅里只有一枚公章,每个柜员办业务都得排队等它。柜员越多,排队就越久,活反而办不完。
所以这个缺陷,在 CPU 核心越多的服务器上,反而更严重。
可骚的是,微软做压力测试用的基本是核心少的服务器,自然发现不了这个问题。于是这个补丁就这么在全球的网关上平安无事地跑了三个多月。。。
第二个伏笔,是出事前 15 个小时的一次切换。
Teams 从备用网关转移到了主网关,跟 Outlook 背后的邮件服务 Exchange Online 挤在了一起。微软说这种切换很正常,可主网关的压力就大了点。
第三个伏笔是事故前一天,因为另一个不相干的问题,主网关有 14% 的服务器还关闭着,正在慢慢恢复。
三个伏笔凑到一起时:
主网关本来就有 14% 的服务器关着,Teams 的流量又全挤了过来,还正好赶上美国上班的流量高峰。
于是主网关剩下的服务器越来越忙,直接触发了锁竞争,开始一台接一台卡死。
接着,微软的保护机制开始帮倒忙:
哪台服务器卡死了,系统就自动把它的用户转移到主网关里其他还正常的服务器上,可大家都有问题,所以流量转到哪,哪就跟着卡死。
于是不到两小时,超过 80% 的主网关服务器都寄了。
更要命的是,本来网关里还设了隔板,防止一个地方的故障传到别的地方。可这些隔板又因为另一个问题没挡住,故障就这么一路扩散到了全球。。。
这时,两套网关派上用场了。
Teams、OneDrive、SharePoint 这些服务陆续切到了备用网关,恢复得早;可邮件体量太大,备用网关受不了,只能留在主网关上硬扛,所以这次挂得最久的就是 Outlook 邮箱。
说实话,微软这一个个小伏笔解释起来,我是看明白了。但要差评君说,是不是还有一个最大的伏笔你们没提呢。。。
OK,到这故事还没结束。
微软发现问题后,就马上开始重启服务器。结果服务器刚重启,又被积压的大量流量压垮。
于是用户就这么反复被折磨,一二三四,再来一次。
这让差评君想到小时候停电,电力局库库一顿修,结果来电一瞬间所有人赶紧开空调,于是电又跳了。
因为这个缺陷是几个月前的事了,快速回滚没啥用,最后微软只能把那段代码改回老版本,再一批批重启,才把服务一点点救回来。
目前微软还没说要怎么赔偿大家,但大概率是要按照合同赔付的。
根据微软和企业签的服务等级协议(SLA),某项服务一个月的可用率低于 99.9%,退这项服务当月费用的 25%,低于 99% 退 50%,低于 95% 全额退。
这次邮件停了近 24 个小时,按一个月 30 天算,可用率为 96.7%,那就是退半个月邮件服务费。
假如你开了一家 100 人的公司,用的 Microsoft 365 商业标准版,全公司一个月 1400 美元。算整套服务都按一半退,最多也就 700 美元。如果只算邮件那部分的话,那退得更少。
就这么点的赔偿,还得企业自己去申请。
我只能说云厂商永远都是这样,平时把 SLA 里几个 9 的可用性吹得天花乱坠,可真要崩了就只抵扣一点服务费。
TMD 耽误了人几十辆兰博基尼的生意,最后赔了一张兰博基尼 5 元代金券?
看到这儿可能有差友要问了:为什么企业不搞点备用方案呢?全绑在微软一棵树上,也太看微软脸色过日子了吧。
说实话,真不是不想换,而是大多数企业根本换不动。
微软想给用户提供的,从来就不只是一个邮箱。
一旦企业用上了微软的邮箱,为了体验不受影响,就会顺理成章把微软日历、聊天、开会、云盘等全家桶全套用起来,不然多个平台切换很麻烦。
于是整家公司的工作流,逐渐就会被微软深度绑定。
而这,恰恰也就是微软最想要的护城河。
当年 Teams 刚一推出,就被微软直接塞进 Office 套餐里捆绑销售。欧盟专门为这事查了微软两年多,直到 2025 年微软承诺下调不含 Teams 套餐的售价,这案子才算了结。
所以当一家企业回过味来、意识到不能完全绑死在一家服务商身上时,往往已经来不及了。
你要想换,就得把整套体系都换掉:一样样找替代品,把员工的资料全搬过去,再教大家用新的工具。
更关键的是,你可能真遇不到比微软更适合的服务商。小的不稳定,大的像谷歌这种,也只是从一个篮子换到另一个篮子。
再结合微软这个市场份额,你的甲方、乙方大概率都在用它,你换了跟人家对接反而更麻烦,最后也不得不跟着用。
其实看完这次事故,我平心而论,微软底层的保护措施其实做得并不少。
但只要全球这么多企业依然把身家押在微软一家身上,那么人类的容错率就不可能高。
一家出事,半个地球跟着炸。
但我们都到这个进程了,好像也没办法。就跟互联网一样,如果建立之初就是在一根针尖上,那以后的以后,也只能继续在这个针尖上建造了。
撰文
:刺猬
编辑:面线 莽山烙铁头
美编:焕妍
图片、资料来源
:
Al Jazeera:Microsoft hit by global outages: What happened and why?
Wikipedia:2026 Microsoft outage
TechCrunch 11 月 12 日关于本次故障的报道(Kentik 流量数据)
The Irish Times 关于本次故障对 NHS 影响的报道
The Guardian:How Microsoft outage has affected key public services in the UK
ITmedia NEWS:MS障害、政府共通システムにも影響 デジタル相「朝、なんで使えないんだろうと思ったら」
Control Plane 汇总的微软状态更新(MO1550821)
Microsoft 官方博客:Helping our customers through the CrowdStrike outage
AWS:Summary of the Amazon DynamoDB Service Disruption in the Northern Virginia (US-EAST-1) Region
Microsoft:Service Level Agreements (SLA) for Online Services
Office 365 IT Pros 2026 年 4 月 22 日关于 SLA 的文章
meme.com:Microsoft 364
X:@Britannica 11 月 12 日推文
X:@MSDianAbhiii 11 月 12 日推文