Microsoft ha attribuito il disservizio globale di Microsoft 365 del 12 novembre 2026 a tre condizioni concomitanti: un difetto latente nel software del gateway di rete, il carico spostato dopo il passaggio di Teams a un altro gateway e una parte della capacità già indisponibile. Nel resoconto pubblicato il 16 novembre, il dirigente Microsoft Charles Lamanna ha descritto il difetto come una contesa su un lock in un processo interno, cioè una situazione in cui più operazioni si contendono l’accesso a una risorsa condivisa. Il suo resoconto attribuisce la cascata alla combinazione di queste condizioni.

Quando il traffico viene ridistribuito, il failover sposta il carico: se la capacità disponibile è già ridotta, lo stesso meccanismo può contribuire a propagare il guasto.

Che cosa ha causato il disservizio di Microsoft 365

Il difetto riguardava i server del gateway di rete di Microsoft 365, non Windows in generale. Microsoft ha riferito che la modifica da cui ebbe origine il problema iniziò a essere distribuita nel luglio 2026 e raggiunse la distribuzione globale più di tre mesi prima del disservizio, senza effetti osservati nel frattempo.

Secondo Lamanna, i test di carico non riproducevano adeguatamente le condizioni di produzione: traffico e combinazioni di SKU erano diversi e le prove tendevano a usare macchine meno potenti, con meno core. La contesa diventava invece più grave sui server più recenti, dotati di più core. Il difetto si manifestò quindi in una combinazione di carico e hardware che i test non avevano intercettato.

Come il guasto si è propagato

Circa 15 ore prima del disservizio, Teams era passato dal gateway alternativo a quello principale, che supportava anche Exchange Online. Microsoft ha descritto il passaggio come una normale operazione di resilienza. Inoltre, un problema distinto del giorno precedente aveva lasciato indisponibile quasi il 14% della capacità dei server del gateway. Secondo l’azienda, quella riduzione da sola non aveva avuto effetti sul servizio perché restava capacità sufficiente; la criticità emerse quando aumentò il carico sul gateway principale.

La ridistribuzione automatica del traffico indirizzò gli utenti verso altri endpoint ancora disponibili. Ma, con meno server a disposizione, il carico finì concentrato su un numero inferiore di macchine, dove lo stesso difetto poteva ripresentarsi. Microsoft ha riferito che il problema raggiunse l’intera flotta in meno di due ore e che, nel momento peggiore, oltre l’80% dei server non rispondeva.

Un ulteriore problema impedì alle normali separazioni tra le partizioni regionali del gateway di contenere la propagazione. In condizioni normali, queste separazioni, spesso chiamate bulkhead, servono a limitare l’impatto di un guasto a una parte dell’infrastruttura. In questo caso, secondo Microsoft, non riuscirono a fermare la cascata tra le regioni.

Perché Exchange Online ebbe un percorso di ripristino diverso

Microsoft ha spiegato che Teams, OneDrive, SharePoint e le applicazioni di Office potevano uscire dal gateway difettoso, mentre Exchange Online non poteva farlo. I server riportati in servizio venivano poi sommersi dal traffico rimasto in coda. I normali meccanismi automatici di recupero e ripristino del codice non erano progettati per gestire un blocco così esteso.

Per ripristinare il servizio, gli ingegneri riportarono il percorso di codice a una versione nota come funzionante e riattivarono i server gradualmente: gruppi di macchine venivano tolti dal servizio, aggiornati e riavviati. Lamanna ha descritto interventi che potevano coinvolgere almeno il 50% dell’infrastruttura di una regione.