La caída global de Microsoft 365, registrada entre el jueves y el viernes de la semana pasada, se produjo por la combinación de un fallo introducido en julio, una mayor carga de tráfico y una reducción de la capacidad disponible. Así lo explicó este lunes Charles Lamanna, vicepresidente ejecutivo de Copilot, Agentes y Plataforma de Microsoft, en un mensaje publicado en X sobre las causas de la interrupción.
Fallo permaneció oculto durante más de tres meses
Según Lamanna, el defecto se incorporó mediante una actualización cuyo despliegue comenzó en julio y permaneció más de tres meses sin causar problemas visibles. Bajo determinadas condiciones de carga, un conflicto en la coordinación de procesos internos provocaba que los servidores se sobrecargaran y dejaran de responder. El comportamiento no se manifestó en los laboratorios de Microsoft, pero sí en equipos con más núcleos y hardware más reciente que el utilizado en las pruebas.
El segundo factor fue un cambio en el tráfico de Microsoft Teams. Unas quince horas antes de la interrupción, la plataforma pasó a utilizar la puerta de enlace de red que también atendía a Exchange Online, el servicio de correo electrónico. Aunque Microsoft 365 dispone de dos sistemas independientes para trasladar sus servicios ante una incidencia, esa redistribución aumentó la carga y modificó los patrones de tráfico, lo que elevó la probabilidad de activar el defecto.
Menor capacidad y un fallo en cascada complicaron la recuperación
Al mismo tiempo, casi el 14 % de la capacidad de servidores de esa puerta de enlace estaba fuera de servicio por otro problema ocurrido el día anterior. La coincidencia de los tres factores dejó equipos sin respuesta y obligó a redistribuir automáticamente el tráfico hacia otros servidores. Esa reacción desencadenó un fallo en cascada que, en su momento más crítico, afectó a más del 80 % de los servidores de la puerta de enlace.
La recuperación de los servicios de Microsoft 365 demoró más de lo habitual porque los equipos que volvían a funcionar recibían de inmediato el tráfico acumulado y dejaban de responder nuevamente, explicó Lamanna. El ejecutivo señaló que la compañía ofrecerá más detalles sobre el incidente a lo largo de esta semana.

