Un error oculto desde julio desató el gran apagón de Microsoft que tumbó Teams y Outlook
Microsoft ha identificado las causas principales de la caída global que paralizó Outlook, Exchange y muchas otras de sus herramientas de ofimática la semana pasada. El gigante del software de oficina ha publicado un informe preliminar el lunes en el que señalaba tres factores que provocaron el apagón de 24 horas en sus servicios: un fallo informático de hace varios meses, el mal funcionamiento de las conexiones internas y la capacidad de los servidores. Cada uno de estos factores podría haberse resuelto fácilmente por separado, pero, al darse de forma conjunta, provocaron una interrupción grave mucho más difícil de mitigar, según afirman los directivos de Microsoft.
El problema comenzó el jueves, cuando usuarios de Estados Unidos informaron de cortes en el acceso a sus cuentas de correo electrónico de Outlook. A medida que la incidencia continuó al día siguiente, millones de personas en todo el mundo perdieron acceso a su correo y a otros servicios de Office 365. Las cárceles no pudieron poner en libertad a los presos, los hospitales tuvieron que recurrir a los registros en papel, los colegios perdieron el contacto con los padres y las comisarías de policía no pudieron recibir denuncias. Microsoft anunció que había resuelto la incidencia y restablecido el servicio el sábado, momento en el que también pidió disculpas. La compañía no atribuyó el apagón a ninguna brecha de ciberseguridad.
En una publicación en X, Charles Lamanna, vicepresidente ejecutivo de Copilot, Agentes y Plataforma en Microsoft, ha señalado que existía un error o defecto latente desde julio que provocó que los servidores de Microsoft “se saturaran y dejaran de responder”.
Lamanna expone que la compañía suele contar con dos puertas de enlace de red disponibles, es decir, puntos de entrada y salida que conectan sistemas independientes y permiten el paso de datos entre ellos. Sin embargo, una de ellas no funcionaba para Microsoft Teams, lo que sobrecargó la puerta de enlace principal. Posteriormente, más del 14% de la capacidad de los servidores de la empresa tampoco estaba operativa debido a un problema no relacionado del día anterior.
“En conjunto, el aumento de la carga y la reducción de la capacidad de los servidores hicieron que la puerta de enlace de red se topara con el fallo latente de julio”, resume Lamanna. “Esto provocó que se acumularan las solicitudes hasta que los servidores finalmente dejaron de responder. Ocurrió durante la franja de máximo tráfico en Estados Unidos”.
Retraso en la recuperación
La empresa también tuvo dificultades para mitigar el fallo porque se había originado meses atrás, indica Lamanna, por lo que no resultaba tan sencillo como revertir un cambio reciente para corregir el defecto. “La recuperación llevó más tiempo de lo habitual porque, a medida que los servidores volvían a estar operativos, se veían desbordados de inmediato por el tráfico en espera y volvían a dejar de responder”, escribió.
“Nuestros procesos de recuperación, habitualmente automatizados, no estaban diseñados para restablecer el servicio tras un estado generalizado de falta de respuesta. Además, dado que el defecto principal del código era un error latente de hacía varios meses, nuestros mecanismos habituales de reversión, despliegue gradual y control de funciones no pudieron deshacer el cambio con rapidez”. La compañía tiene previsto publicar un informe final que incluirá más información, ha confirmado.
Los analistas señalan que la caída global de Microsoft pone de relieve la necesidad de que las empresas examinen hasta qué punto dependen de un único sistema operativo. “Este es un claro ejemplo de la importancia no solo de la ciberresiliencia, sino también de la resiliencia empresarial”, afirmó Matt Hull, vicepresidente de ciberinteligencia y respuesta en NCC Group. “Los informes de que hospitales, colegios y otros servicios esenciales se han visto afectados demuestran el amplio impacto que puede tener la caída de un sistema, independientemente de la causa”.
0