Un’interruzione dei servizi cloud non nasce sempre da un singolo errore evidente. Il caso che ha coinvolto di recente Microsoft 365 mostra quanto un difetto rimasto nascosto possa diventare critico quando incontra condizioni operative sfavorevoli.
Nel rapporto preliminare sull’incidente, l’azienda ricostruisce una catena di eventi che ha coinvolto il gateway cloud e l’accesso alla posta elettronica. La spiegazione è importante anche al di là del disservizio: aiuta a capire perché le infrastrutture progettate per garantire continuità possono perdere efficacia quando più fragilità si presentano insieme. La ricostruzione, pubblicata dopo l’interruzione, resta provvisoria e non chiarisce ancora ogni aspetto tecnico della gestione dell’emergenza.
Come si è innescato il blocco di Microsoft 365
Microsoft individua l’origine in una modifica del gateway cloud introdotta a luglio. In certe condizioni, un difetto poteva esaurire le risorse di CPU e memoria, bloccando le risposte. I test non lo avevano rilevato perché, secondo l’azienda, l’hardware usato prima del rilascio era meno potente di alcune macchine già operative.
Il guasto è emerso durante una normale manutenzione. Microsoft utilizza due gateway indipendenti per mantenere l’accesso ai servizi quando un percorso incontra difficoltà. Il traffico di Teams è stato trasferito dal sistema alternativo a quello principale, che gestisce anche Exchange Online.
La flotta operava con una capacità inferiore del 14 per cento rispetto al livello ottimale. Il carico aggiuntivo ha aggravato la contesa sulle risorse. Durante il picco di attività delle aziende statunitensi (e non), i server si sono bloccati; anche i sistemi di riserva hanno incontrato lo stesso difetto. Oltre l’80% dei gateway coinvolti è rimasto congelato. I meccanismi di isolamento geografico non sembrano aver funzionato, ma il rapporto non ne chiarisce il motivo.
Perché il ripristino è stato complesso
Il ripristino non è stato immediato. Riavviare i server non bastava: le richieste in coda li sottoponevano di nuovo alla pressione che aveva causato il blocco. Anche il ritorno alla configurazione precedente era inutile, perché il difetto era presente pure in quello stato.
Gli ingegneri hanno distribuito un aggiornamento mirato e rimesso in servizio le macchine gradualmente. Microsoft dichiara di aver ampliato la capacità e rafforzato i controlli sul traffico. Ha inoltre esteso i tempi di consegna delle email interessate, per ridurre il rischio di rifiuto dei messaggi in ritardo. Teams e OneDrive potevano essere instradati altrove; Exchange Online non aveva la stessa flessibilità per limiti di scalabilità.
Microsoft ha classificato l’episodio come problema tecnico, senza legami con attacchi informatici o agenti di Intelligenza Artificiale. La relazione conclusiva, attesa per il 20 novembre, dovrebbe approfondire il mancato isolamento geografico.