آیکون خبر

خبر کامل

مایکروسافت ۳۶۵: تحلیل علت فروپاشی زنجیره‌ای زیرساخت‌های ابری مایکروسافت

اختلال گسترده در سرویس‌های مایکروسافت ۳۶۵ و زیرساخت‌های Exchange، که هفته گذشته بسیاری از سازمان‌ها و ادارات عمومی را با مشکل مواجه کرد، ریشه در ترکیبی از نقص‌های فنی و مدیریت ترافیک دارد. گزارش‌های اولیه نشان می‌دهند که یک باگ پنهان در درگاه ابری این شرکت، با تغییرات ناگهانی در بار ترافیکی و کاهش ظرفیت سرورها، منجر به یک فروپاشی زنجیره‌ای شده است.

تحلیل عوامل ایجاد «طوفان کامل» در زیرساخت‌های مایکروسافت

طبق گزارش منتشر شده توسط مایکروسافت، این حادثه که بین ۱۲ تا ۱۳ نوامبر رخ داد، برخلاف تصور اولیه، به حملات سایبری یا هوش مصنوعی مربوط نبود. در واقع، سه عامل اصلی باعث وقوع این بحران بزرگ شدند:

  • نقص فنی پنهان: تغییری که از ماه جولای در درگاه ابری اعمال شده بود، باگی ایجاد کرده بود که در شرایط خاص باعث اتمام منابع CPU و حافظه می‌شد. این نقص به دلیل تفاوت توان سخت‌افزاری در محیط‌های تست و تولید، شناسایی نشده بود.
  • تغییر الگوی ترافیک: در جریان تعمیرات معمول شبکه، ترافیک سرویس Teams به درگاه اصلی منتقل شد. این جابجایی باعث شد درگاه اصلی با حجم متفاوت و بسیار بیشتری از درخواست‌ها مواجه شود.
  • کاهش ظرفیت زیرساختی: در زمان وقوع حادثه، ناوگان سرورهای درگاه مایکروسافت ۱۴ درصد کمتر از حالت بهینه عمل می‌کردند که این موضوع مانع از جذب فشار اضافی ترافیک شد.

چالش‌های بازیابی و شکست سیستم‌های ایزولاسیون

یکی از نکات بحث‌برانگیز در این گزارش، شکست مکانیسم‌های ایزولاسیون منطقه‌ای است. این سیستم‌ها وظیفه داشتند اثرات اختلال را در مناطق جغرافیایی محدود کنند، اما در این مورد خاص، اثر دومینویی باعث شد بیش از ۸۰ درصد سرورهای درگاه دچار انجماد شوند.

تلاش برای بازنشانی سرورها بی‌نتیجه بود؛ زیرا به محض آنلاین شدن، صف‌های عظیم درخواست‌های منتظر، بلافاصله باعث اتمام مجدد منابع و تکرار چرخه فروپاشی می‌شدند.

به دلیل ماهیت این باگ، حتی بازگشت به نسخه‌های قبلی سیستم (Rollback) نیز کارساز نبود. مهندسان مایکروسافت مجبور شدند از طریق به‌روزرسانی‌های هدفمند و تدریجی، سرورها را به مدار بازگردانند.

وضعیت فعلی و اقدامات اصلاحی

در حال حاضر تمامی سرویس‌های ابری مایکروسافت به حالت عادی بازگشته‌اند. شرکت برای جلوگیری از تکرار چنین بحران‌هایی، اقدامات زیر را در دستور کار قرار داده است:

اقدام اصلاحی هدف اصلی
افزایش ظرفیت سرورها جذب بهتر نوسانات ترافیکی
ایجاد حفاظ‌های توزیع ترافیک جلوگیری از تمرکز فشار بر یک درگاه
تمدید زمان تحویل ایمیل‌ها جلوگیری از بازگشت پیام‌های تأخیری

انتظار می‌رود گزارش نهایی و جامع این حادثه در تاریخ ۲۰ نوامبر منتشر شود که جزئیات دقیق‌تری از علت شکست سیستم‌های ایزولاسیون را ارائه خواهد داد.

در نهایت، این حادثه نشان داد که حتی در بزرگترین زیرساخت‌های ابری جهان نیز، ترکیب چند خطای کوچک می‌تواند منجر به یک بحران عملیاتی گسترده شود.

شناسنامه خبر:

درباره هوش‌مصنوعی دست‌اول:

تمامی اخبار دست‌اول توسط دستیار هوش مصنوعی «هوشنگ» پردازش، صحت‌سنجی، خلاصه و بازنویسی شده است. هوشنگ هر روز با داده‌های جدید آموزش داده می‌شود و با نظارت دقیق انسانی و سردبیری دست‌اول در حال بهتر شدن است.
شما می‌توانید از چت‌بات و سایر ابزارهای هوشنگ به صورت رایگان استفاده کنید.

دسترسی رایگان به هوشنگ ↗