Saturday, November 21, 2026

微軟 365 停擺近 24 小時:始作俑者竟是 7 月一支「優化」更新,企業郵箱癱瘓怎麼算賠償?

【事件重點】

  • 核心事件:Microsoft 365 核心服務(以 Exchange Online 為主)於 11 月 12 日至 13 日發生近 24 小時全球性大斷層。
  • 根本原因:7 月部署的一項 Windows 核心修正程式,在特定高核心數伺服器負載下耗盡資源,潛伏三個多月才被觸發。
  • 擴散機制:11 月 14 日凌晨自動流量調度將 Teams 流量轉至已損耗容量的閘道,引發連鎖崩潰,跨區隔離機制同步失效。
  • 賠償機制:依 SLA 規定,網頁版 Outlook 中斷約 22 小時符合 50% 服務點數賠償,管理員須於 12 月 31 日前向微軟支援提出申請。

那支「躲過測試」的修正程式,潛伏了 100 多天

事情的起因其實要追溯到今年 7 月。微軟為了優化多項服務前端的網絡閘道伺服器,推出了一項 Windows 核心層級的修正。按理說,這類修正上線前都會經過嚴格的負載測試,但報告揭露了一個關鍵盲區:測試環境偏向核心數較少的硬體,而實際生產環境中,核心數較多的新型伺服器在特定負載下,內部程序會陷入相互等待的死結,直接耗盡處理能力與記憶體,導致伺服器停止回應。

這支代碼分階段全球推行,前三個月風平浪靜。誰也想不到,真正的導火索要等到 11 月中旬的某個清晨。

凌晨三點的連鎖反應:當自動化調度成為推手

11 月 14 日(週四)凌晨 3 點 07 分,系統依照慣例執行自動流量調度,將 Teams 的流量轉向同時承載 Exchange Online 的閘道叢集。微軟事後定性這屬於「正常操作」,但偏偏這叢集已有近 14% 容量因另一個獨立問題而停用。

剩下的伺服器瞬間承接額外負載,剛好踩中了 7 月修正留下的地雷。缺陷在極短時間內引發連鎖故障,不到兩小時,整個閘道叢集逾八成伺服器癱瘓。更糟的是,設計用來防止故障跨區擴散的隔離屏障,也因「另一個未解釋的問題」失守,讓災情迅速從區域性蔓延為全球性。

工程師通宵搶修,嘗試新健康檢查、重啟、封鎖流量、增加容量,但伺服器一重啟就被積壓流量瞬間淹沒,再度停擺。自動化復原流程根本沒設計過這麼大範圍的場景,回滾工具也來不及快速撤回那支潛伏數月的缺陷代碼。

以「上班時間」為優先序的搶修邏輯

等到週五上午 9 點 20 分,首個警報響起約 15 小時後,微軟才開始分批抽出伺服器進行更新與重啟。搶修順序很現實:優先處理已進入辦公時間的歐洲區。歐洲下午 1 點 35 分率先復常,全球網頁版郵件則要等到下午 4 點 17 分才恢復。

有趣的是,Teams 等其他應用因可切離故障閘道,較早局部恢復;但 Exchange Online 因規模龐大、相依性高,根本無法快速切換,只能硬扛。微軟事後補充,已延長郵件派送窗口,確保積壓郵件仍能送達,並加強流量轉移監控與容量備援。

SLA 賠償細則:別忘了 12 月 31 日截止日期

對企業 IT 管理員而言,服務恢復只是第一步,接下來是算帳的時候。根據微軟線上服務等級協定(SLA),Outlook 網頁版可用率若低於 99.9%、99% 與 95%,分別可獲費用 25%、50% 與 100% 的服務點數。

此次網頁版電郵中斷約 22 小時,全程無法存取的用戶符合 50% 賠償門檻。重點是:管理員必須主動於 12 月 31 日前向微軟支援提出申請,點數上限為當月費用,系統不會自動發放。若貴公司使用 Microsoft 365 管理中心處理帳務,建議儘早備妥事故時間區間與影響範圍的紀錄,別讓這筆抵扣額度白白流失。

這次事件也給依賴雲端服務的企業留下一堂課:當單一供應商的核心基礎設施發生這類「灰犀牛」事件時,除了等待官方修復,備援郵件流向、混合雲架構部署,甚至獨立的郵件封存合規機制,才是業務持續規劃(BCP)中真正能掌握在自己手裡的牌。