1Los fallos que tuvo la empresa estadounidense el jueves y viernes pasados, generaron en una sobrecarga de los servidores de la compañía nunca antes vista en sus servicios hace muchos años.

Esta sobrecarga, a su vez, vino provocada por la implementación defectuosa de una serie de actualizaciones que venía desarrollando la compañía desde hace meses. Así lo asegura la misma Microsoft en un comunicado difundido esta semana, en el que también vuelve a pedir disculpas a sus clientes por las molestias causadas.
La citada actualización se empezó a ejecutar en julio y no se observaron problemas, y donde Charles Lamanna, vicepresidente ejecutivo de Copilot, Agentes y Plataforma en Microsoft, declaró:
“Durante más de tres meses, el cambio se implementó en todo el mundo sin impacto”, ha dicho esta mañana en la red X Pero unas quince horas antes de la interrupción, Teams registró un error en el uso de los servidores, lo que aumento la carga de los patrones de tráfico".

Lamanna explica también que, cuando esto sucedió, casi el 14% de la capacidad de los servidores:
“Estaba fuera de servicio debido a un problema no relacionado del día anterior. Eso hizo que la sobrecarga tuviera un impacto más fuerte de lo normal en el sistema, que colapsó al no poder absorber un aumento súbito del tráfico de datos. El tráfico redirigido aumentó la probabilidad de que el mismo problema ocurriera en los puntos finales restantes".
Esto causó una falla en cascada de servidor a servidor y fue como un efecto dominó: en menos de dos horas, el problema se había extendido por todo el mundo, afectando en su punto álgido a más del 80% de los servidores que gestiona la compañía en todo el planeta.

Una vez caídos los sistemas, restaurarlos no fue sencillo, dijo el vicepresidente ejecutivo de Copilot, Agentes y Plataforma en Microsoft:
“La recuperación tomó más tiempo de lo habitual porque, a medida que los servidores regresaban al servicio, eran inmediatamente abrumados por el tráfico en espera y se volvían no responsivos nuevamente. Dado que el defecto principal de código era un error latente de varios meses anteriores, nuestros mecanismos normales de reversión y pruebas no pudieron revertir rápidamente el cambio”.
Cuando identificaron el fallo, los ingenieros de Microsoft desarrollaron una actualización “que devolvió la ruta de código al estado previamente conocido como bueno”. Para poder aplicarla y que no volviera a colapsar todo, lo que hicieron fue ir aplicando los cambios en grupos de servidores fuera de servicio, que después se reiniciaron y pusieron en marcha.
“Este proceso se aplicó cuidadosamente a grandes cantidades de infraestructura a la vez (por ejemplo, más del 50% de una región)”.

Microsoft no dio oficialmente por zanjado el problema hasta el sábado por la mañana, casi un día y medio después de iniciarse la crisis. El propio Lamanna ha dicho que se conocerán más detalles sobre el incidente durante esta semana, cuando se complete la revisión post-incidente.
Finamente, recordemos que hacia las 13:30 del pasado jueves día 12 de noviembre, y miles de usuarios empezaron a ver que los servicios no funcionaban. Esto se prolongó durante más de 18 horas, afectando a millones de usuarios de al menos 70 países. Algunos países, como Japón, Australia o Malasia, sí tuvieron que interrumpir servicios críticos.

El servicio afectado de Microsoft 365, que incluye programas como Word, Excel o PowerPoint, cuenta con más de 450 millones de usuarios corporativos y 95 millones de clientes particulares.
El programa Teams, de videoconferencias y otras funcionalidades para entornos laborales, cuenta con más de 320 millones de usuarios, y donde la aplicación de correo electrónico Outlook también fue uno de los grandes afectados.




