Veja como um bug antigo derrubou serviços da Microsoft

A Microsoft explicou por que Outlook, Teams e Copilot 365 ficaram fora do ar durante quase um dia, afetando empresas, hospitais, forças de segurança e outras organizações em várias partes do mundo. O episódio não teve uma causa única. Segundo Charles Lamanna, vice-presidente executivo de Copilot e agentes de IA, três problemas se combinaram em um momento de uso intenso e transformaram uma falha localizada em pane global.

A explicação aparece no relatório preliminar de incidente da empresa, divulgado por Lamanna em uma publicação no X. A Microsoft mantém normalmente dois gateways de rede para conectar sistemas diferentes e permitir a passagem de dados entre eles. Um desses gateways deixou de funcionar para o Microsoft Teams, transferindo carga demais para o gateway principal. A matemática, como de costume, não teve a delicadeza de avisar antes.

O que causou a pane nos serviços da Microsoft?

A pane foi causada pela combinação de um gateway sobrecarregado, 14% de capacidade de servidor indisponível e um bug antigo que permanecia nos sistemas desde julho. A indisponibilidade parcial não estava relacionada diretamente ao problema do Teams: ela havia ocorrido no dia anterior. Quando o gateway secundário deixou de atender, o principal recebeu mais tráfego justamente enquanto operava com menos capacidade disponível.

Esse aumento de carga acionou um defeito latente, uma falha presente no sistema, mas que ainda não havia encontrado as condições necessárias para aparecer. As solicitações começaram a se acumular. Cada pedido aguardando atendimento aumentava a pressão sobre a infraestrutura, até que os servidores pararam de responder. Não foi uma bala de prata tecnológica, nem um ataque misterioso. Foi uma sucessão de pequenas indisposições que encontrou um ponto fraco.

O momento também pesou. A interrupção começou em uma tarde de quinta-feira, durante o horário de pico de uso nos Estados Unidos. Um sistema distribuído costuma parecer invencível enquanto há capacidade sobrando; quando as margens desaparecem, uma falha em um componente pode atravessar fronteiras internas com uma rapidez desagradável.

Por que a recuperação demorou quase um dia?

A recuperação demorou quase um dia porque a Microsoft não conseguiu simplesmente desfazer a mudança associada ao bug. O defeito tinha meses de idade, portanto um rollback rápido, capaz de retornar o sistema ao estado anterior, não estava disponível como solução imediata. A equipe trabalhou durante a noite para corrigir o problema, mas o restabelecimento ainda produziu uma segunda dificuldade.

Quando os serviços começaram a voltar, havia uma fila enorme de solicitações esperando por resposta. Esse tráfego represado sobrecarregou novamente os servidores, que ficaram sem responder outra vez. É o tipo de detalhe que raramente aparece no aviso dizendo que o serviço foi restaurado. A luz acende, mas ainda há gente presa no elevador.

O caso mostra por que disponibilidade não depende apenas de manter servidores ligados. É preciso testar caminhos alternativos, medir capacidade real e entender como filas se comportam quando a operação retorna. A Microsoft disse que lamenta profundamente o impacto sobre os clientes e reconheceu os prejuízos para suas atividades normais.

Os dados divulgados ainda são preliminares. A empresa afirmou que publicaria um relatório final com mais detalhes naquela mesma semana, incluindo possivelmente informações adicionais sobre o bug, a recuperação e as medidas para evitar repetição. Até lá, a conclusão mais segura é também a menos cinematográfica: três problemas ordinários se encontraram no lugar errado, na hora mais movimentada. E a nuvem, por algumas horas, ficou bem terrestre.

Via

spot_img