Microsoftは、米国時間11月12日午前に発生し、74カ国で「Microsoft 365」「Copilot」「Outlook」へのアクセスに影響を与えた大規模なサービス障害について、その原因を説明する新たな情報を公開した。
MicrosoftのCopilotおよびAgents、Platform担当エグゼクティブバイスプレジデントのCharles Lamanna氏が同16日に行った「X」への投稿によると、今回の障害は3つの要因が重なった結果だった。その主因の1つは、2026年7月にMicrosoft 365のネットワークゲートウェイサーバーに対して実施されたアップデートに潜んでいた「潜在的な欠陥」だという。これまで問題の報告はなかったものの、サーバー容量の低下と米国内でのトラフィックのピークが重なったことで、この欠陥が顕在化したとしている。
障害の原因
Lamanna氏は、「潜在的な欠陥により、特定の負荷条件下でサーバーが過負荷状態に陥り、応答不能になった。これは内部プロセス内でのロック競合によってマシンが利用不能になったためだ」と述べた。同氏によると、このアップデートは3カ月以上にわたり世界中で何の問題もなく安全に展開されていたという。
事前のテストで問題を発見できなかった理由については「テストラボで使用していたトラフィックやSKUの構成が異なっていたため」と説明し、「当社の負荷テストは、コア数の少ない低スペックのハードウェアSKUに重点を置いていた」と明かした。
さらに、他の2つの要因が事態を悪化させ、わずか2時間足らずでサーバーが機能不全に陥る結果を招いた。
Lamanna氏は、Microsoft 365が2つのゲートウェイシステムを維持していることに触れた上で、「負荷の急増によって、ネットワークゲートウェイがロック競合に遭遇する可能性が高まった」と語った。障害発生前にTeamsが一方のシステムから他方へフェイルオーバーしたことで「トラフィックパターンが変化」したという。同時に、「前日に発生した無関係な問題により、ネットワークゲートウェイのサーバー容量の約14%が稼働停止状態にあった」と同氏は付け加えた。
これら2つの条件が衝突した結果、「ネットワークゲートウェイが7月のアップデートに潜んでいたバグに遭遇した」とLamanna氏は結論付けた。最終的にリクエストがサーバーの処理能力を超過し、応答が停止した。障害のピーク時には、全サーバーの80%以上が応答不能に陥っていた。
「サーバーが接続性を失うと、当社のトラフィック管理システムは自動的にユーザーを他の正常なエンドポイントへルーティングする」とLamanna氏は説明する。しかし、「転送されたトラフィックによって、残りのエンドポイントでも同様の問題が発生する確率が高まった。より少ないサーバーに同量の負荷が分散されたことで、サーバーからサーバーへと連鎖的な障害が引き起こされた」という。
Microsoftが公式見解を発表する前には、サイバー攻撃によるものではないかとの憶測も広がっていたが、Lamanna氏とMicrosoftのステータス公式アカウントはともにこれを否定した。
Microsoftへの影響と今後の課題
今回の障害が具体的に何人に影響を与えたかは不明だ。しかし、Microsoft自身が2026年1月に公表した数値では、Microsoft 365の「法人向け有料シート数は4億5000万を超えている」とされており、問題の規模の大きさを物語っている。Microsoftは障害を修正するアップデートを展開し、サーバー群へ段階的に適用した。Lamanna氏は、さらに詳細な内容を盛り込んだ完全な事後検証レポートを11月16日の週の後半に公開するとしている。
サービスは復旧したものの、丸2営業日近くにわたり業務に支障をきたした顧客の不満は大きい。あるシンクタンクがCNNに語った試算によると、一部で11月13日の終業時間帯まで続いたこの障害により、多くの企業や組織が日常業務のシステムにアクセスできなくなったことで、70億ドル(約1兆1163億円)の損失が発生したという。
Microsoftのテスト体制が7月の問題を事前に検出できなかった事実は、次にいつ潜在的な欠陥が牙をむくのか、そして同社にそれへの備えがあるのかという疑念を顧客に抱かせることになりそうだ。
Teamsへの影響が最小限にとどまった理由
多くのユーザーにとって、この2日間の障害期間中、Teamsはほとんどオフラインにならなかったか、あるいは最も早くオンラインに復旧したサービスとなった。
Lamanna氏は、「Teamsや『OneDrive』『SharePoint』、Officeアプリなどの複数のサービスは、障害が発生したネットワークゲートウェイインフラストラクチャーから切り離されて稼働した。そのためこれらのサービスは早期に復旧し、Teamsのチャットや会議は障害の大半の期間において問題なく機能した」と説明した。一方で、「Exchange Online」などの他のサービスはインフラからの切り離しができない仕様となっていた。
また、復旧作業に時間がかかった理由について、待機していた大量のトラフィックがサーバーの復旧と同時に殺到し、即座に再び応答不能に陥ってしまったためだと同氏は述べている。
「当社の通常の自動復旧プロセスは、これほど広範な応答不能状態からサービスを復旧させるようには設計されていなかった」とLamanna氏は認める。「さらに、主要なコードの欠陥が数カ月前のアップデートに潜んでいたバグであったため、通常のロールバックやフライティング、機能フラグといった手法では迅速に変更を元に戻すことができなかった」という。

提供:ANDREW CABALLERO-REYNOLDS / AFP via Getty Images
この記事は海外Ziff Davis発の記事を4Xが日本向けに編集したものです。
