Über 80 % der Gateways fielen aus, und Exchange konnte nicht ausweichen

Laut Microsofts vorläufigem Bericht reagierten auf dem Höhepunkt des Ausfalls vom 12. und 13. November mehr als 80 % der Netzwerk-Gateway-Server hinter Exchange Online nicht mehr. Ausgefallene Server schoben ihren Verkehr auf gesunde, die ebenfalls ausfielen, und binnen zwei Stunden zeigte sich der Fehler in der ganzen Flotte. Teams, OneDrive und SharePoint konnten von der defekten Infrastruktur ausweichen. Exchange Online konnte das nicht, daher waren Postfachzugriff und Zustellung laut The Register und BleepingComputer fast 24 Stunden gestört.

Ein schlafender Juli-Fehler traf auf zwei gewöhnliche Ereignisse

Der Fehler kam mit einem Juli-Update der Gateway-Server und blieb monatelang ruhig. Er verursachte Sperrkonflikte in einem internen Windows-Prozess, die CPU und Speicher aufbrauchten, und wurde auf Rechnern mit mehr Kernen schlimmer. Zwei Ereignisse lösten ihn aus: Teams wich auf die Gateway-Infrastruktur von Exchange Online aus, und fast 14 % der Gateway-Kapazität waren aus anderem Grund ohnehin offline. Microsoft sagt, die Lasttests hätten den Fehler übersehen, weil sie auf schwächerer Hardware liefen als in der Produktion. Ein Rollback war unmöglich, weil die Änderung Monate alt war, also baute man einen Patch.

Legen Sie vor dem Abschlussbericht am 20. November einen Mail-Ausweg fest

Microsoft verspricht mehr Kapazität, besseres Monitoring und Schutzmechanismen, damit umgeleiteter Verkehr nicht erneut eine Kettenreaktion auslöst, und stoppte alle geplanten Rollouts. Warten Sie darauf nicht. Benennen Sie den Weg, den Ihr Team nutzt, wenn Exchange Online einen Tag ausfällt, testen Sie ihn einmal und prüfen Sie im Vertrag, welche Gutschriften bei einem so langen Ausfall gelten. In der EU verlangt NIS2 von wesentlichen und wichtigen Einrichtungen Maßnahmen zur Betriebskontinuität, und ein einziger Mail-Anbieter ohne Ausweichmöglichkeit ist genau die Abhängigkeit, nach der ein Prüfer fragt.