A Microsoft atribuiu a queda global do Microsoft 365 em 12 de novembro de 2026 a três condições combinadas: um defeito latente na porta de entrada de rede do serviço, a mudança de carga após o failover do Teams e a indisponibilidade de quase 14% da capacidade por um problema do dia anterior. Na explicação publicada por Charles Lamanna, executivo da Microsoft, o aumento da carga acionou uma falha de concorrência e contribuiu para que ela se espalhasse pelos servidores. (Relato de Lamanna)
Quando o tráfego é desviado, os servidores que o recebem também precisam suportar a mesma falha sob carga; caso contrário, a redundância pode não conter a cascata.
O que falhou no gateway?
O defeito envolvia lock contention, ou disputa por bloqueios: processos tentavam acessar recursos internos ao mesmo tempo, e, sob certas condições de carga, os servidores ficavam indisponíveis. A falha estava no gateway de rede do Microsoft 365, que encaminha tráfego para serviços da plataforma.
A alteração que introduziu o defeito começou a ser distribuída em julho de 2026. Segundo Lamanna, ela já havia sido implantada globalmente havia mais de três meses sem impacto observado, mas os testes não reproduziram a combinação de tráfego e configurações de máquinas da produção. Os testes tendiam a usar equipamentos mais fracos e com menos núcleos; a disputa por bloqueios se agravava nas máquinas mais novas, com mais núcleos.
A Microsoft limitou o alcance do problema: tanto o defeito quanto a alteração que o introduziu se aplicavam aos servidores do gateway do Microsoft 365, não a implantações gerais do Windows. (Relato de Lamanna)
Como o problema se espalhou?
Cerca de 15 horas antes da queda, o Teams passou do gateway alternativo para o principal, que também atendia o Exchange Online. A Microsoft descreveu a mudança como uma operação normal de resiliência. Quase 14% da capacidade do gateway já estava indisponível por um problema separado ocorrido no dia anterior; segundo a empresa, essa perda, sozinha, não afetava o serviço porque ainda havia capacidade suficiente.
A combinação mudou o cenário: com mais carga no gateway principal e menos capacidade disponível, o defeito foi acionado. O redirecionamento automático levou usuários a outros pontos de atendimento considerados saudáveis, mas isso concentrou a carga em menos servidores e aumentou a chance de a mesma falha ocorrer neles. Um problema separado também impediu que o isolamento habitual entre partições limitasse a cascata nas regiões do gateway.
Em menos de duas horas, o defeito havia atingido a frota de servidores. No pior momento, mais de 80% deles estavam sem responder, segundo Lamanna. (Relato de Lamanna)
Por que o Exchange Online teve uma recuperação diferente?
A Microsoft disse que Teams, OneDrive, SharePoint e os aplicativos do Office podiam deixar de usar o gateway afetado; o Exchange Online não tinha essa possibilidade. Servidores que voltavam ao serviço eram sobrecarregados pelo tráfego acumulado, e os mecanismos usuais de recuperação automática e reversão não foram projetados para lidar rapidamente com um estado tão amplo de indisponibilidade.
Para restaurar o serviço, os engenheiros devolveram o caminho de código a um estado anteriormente conhecido como funcional. Depois, retiraram grupos de servidores de operação, aplicaram a atualização e os reiniciaram gradualmente. Lamanna descreveu lotes que podiam abranger 50% ou mais da infraestrutura de uma região. (Relato de Lamanna)