Microsoft schreef de wereldwijde Microsoft 365-storing van donderdag 12 november 2026 toe aan een latente fout in de netwerk-gateway, verschoven belasting na een failover van Teams en capaciteit die al was uitgevallen door een ander probleem. De combinatie leidde volgens Microsoft tot een kettingreactie op de servers. Charles Lamanna, topman bij Microsoft, lichtte de oorzaak toe.
Bij deze storing kwam verkeer op de primaire gateway terecht terwijl een deel van de capaciteit al niet beschikbaar was; samen activeerden die omstandigheden de latente fout.
Wat veroorzaakte de storing?
De softwarefout betrof lock contention: processen in een interne gatewayfunctie moesten om dezelfde vergrendeling concurreren. Onder bepaalde belasting maakte dat servers onbereikbaar, aldus Microsoft. De fout en de wijziging die eraan voorafging waren volgens het bedrijf specifiek voor de netwerk-gateways van Microsoft 365, niet voor Windows in het algemeen.
Microsoft begon de betrokken wijziging in juli 2026 uit te rollen. De wijziging was wereldwijd al meer dan drie maanden actief zonder waargenomen gevolgen. Volgens Lamanna misten de tests de fout doordat de verkeers- en serverconfiguraties in het testlab verschilden van die in productie. Tests gebruikten vaker oudere, minder krachtige machines met minder processorkernen, terwijl de lock contention juist erger was op nieuwere machines met meer kernen.
Hoe werd de fout een kettingreactie?
Ongeveer 15 uur voor de storing schakelde Teams volgens Microsoft over van een alternatieve gateway naar de primaire gateway, die ook Exchange Online ondersteunt. Microsoft beschreef dat als normale failover: een automatische omschakeling om de dienstverlening op te vangen. De wissel verplaatste de belasting naar de primaire gateway.
Daar kwam bij dat de dag ervoor een afzonderlijk probleem bijna 14 procent van de gatewaycapaciteit onbeschikbaar had gemaakt. Microsoft zei dat de resterende capaciteit op zichzelf voldoende was en dat dit eerdere probleem toen geen gevolgen had voor de dienstverlening. In combinatie met de verschoven belasting kwam de latente fout wel in actie.
De automatische routering stuurde gebruikers naar bereikbare eindpunten. Daardoor kwam de belasting van hetzelfde verkeer op minder servers terecht, waardoor de fout zich volgens Microsoft makkelijker opnieuw kon voordoen. Een ander probleem verhinderde bovendien dat de gebruikelijke scheidingen tussen gatewaypartities de storing binnen hun grenzen hielden. Binnen twee uur had de fout de servervloot geraakt. Op het dieptepunt reageerde meer dan 80 procent van de servers niet.
Waarom verliep het herstel per dienst anders?
Microsoft zei dat Teams, OneDrive, SharePoint en Office-apps uit de getroffen gateway konden worden omgeleid. Exchange Online kon dat niet. Servers die weer online kwamen, werden meteen overspoeld door verkeer dat had gewacht. De gebruikelijke automatische herstel- en terugdraaimechanismen waren niet ontworpen voor een storing waarbij zoveel servers tegelijk onbereikbaar waren.
Microsoft zette het codepad terug naar een eerder bekende werkende toestand. Daarna haalden technici servers in groepen uit dienst, pasten de wijziging toe en startten ze opnieuw op. Volgens Lamanna konden zulke herstelbatches 50 procent of meer van de infrastructuur in een regio omvatten.