Windows Reportは2026年11月16日(現地時間)、「Microsoft Explains Root Cause of Massive Outlook and Exchange Outage, Reveals Three Failures Behind Global Meltdown」において、Microsoftが11月12日に発生したMicrosoft 365の大規模障害について、原因と復旧に時間を要した背景を公表したと報じた。

Microsoftはすでに、障害原因について暫定的な調査結果を公表していた。今回、新たに障害が世界規模に拡大した技術的な要因が詳しく明らかになった。

MicrosoftのCopilot、Agents、Platform担当エグゼクティブバイスプレジデントを務めるCharles Lamanna氏は11月16日、Xへの投稿で障害の発生経緯を説明した。同氏によると、今回の障害はネットワークゲートウェイに潜在していたソフトウェアの不具合に、通信量の増加とサーバの処理能力低下が重なったことで発生したという。

3カ月前の不具合が顕在化、通信量増加と処理能力低下が重なる

障害の根本原因は、社内ネットワークゲートウェイのプロセスに潜んでいたソフトウェアの欠陥とされる。特定の負荷条件下でロックの競合が発生し、ゲートウェイサーバが応答不能に陥るというものだ。この不具合はMicrosoft 365のネットワークゲートウェイ専用に準備された修正プログラムに由来するもので、Windows全般には影響しない。

問題の変更は2026年7月に展開が始まり、数週間かけて全世界のゲートウェイに適用された。その後、約3カ月にわたり異常は確認されず、通常の負荷試験でも欠陥を検出できなかった。

負荷試験では、実運用とは異なる通信パターンやソフトウェア構成が使われ、プロセッサーのコア数が少ない旧型ハードウェアを中心に検証していた。ところが、不具合はコア数の多いハードウェアで悪化する特性があり、実運用の新型マシンで表面化したという。

障害を引き起こしたもう1つの要因は、ネットワークゲートウェイへの通信量の増加だ。障害発生のおよそ15時間前、Microsoft Teamsが代替ゲートウェイから主要ゲートウェイへ接続先を切り替えた。

主要ゲートウェイはExchange Onlineも処理しており、Teamsの切り替えによって通信量が増加するとともに、負荷の分布も変化した。この切り替え自体は通常運用の一部であり、異常な操作ではなかったが、結果として障害を悪化させる一因となった。

さらに、障害前日から発生していた別の問題により、ネットワークゲートウェイ全体の処理能力の約14%が利用できない状態だった。

この処理能力の低下も障害の直接的な原因ではないが、Teamsの切り替えに伴う負荷の増加と重なり、稼働中のネットワークゲートウェイに負荷が集中した。これにより、潜在的な不具合が表面化しやすい環境が整ったという。

障害が2時間足らずで世界に拡大、ゲートウェイの80%以上が応答不能に

障害が顕在化したのは、米国の通信量がピークを迎えた時間帯だった。ゲートウェイサーバへの接続要求が蓄積し、サーバが次々と応答不能に陥った。

Microsoftのトラフィック管理システムは、応答しなくなったサーバを避け、正常に稼働しているゲートウェイへ通信を振り分けた。しかし、この処理によって残されたサーバに負荷が集中し、潜在的な不具合が新たに表面化した。

その結果、通信の振り分け先となったゲートウェイも停止し、さらに別のゲートウェイへ負荷が集中するという連鎖が発生した。障害は2時間足らずで全世界のゲートウェイに拡大し、最も深刻な時点では80%以上のゲートウェイサーバが応答不能になったという。

本来、Microsoft 365のゲートウェイは、数千の容量単位を地域ごとに分割し、障害が地域を超えて連鎖しないように設計されている。しかし今回は、別の問題によって各領域を隔てる仕組みが機能せず、特定の地域に障害を封じ込めることができなかった。

つまり、潜在的なソフトウェアの不具合が負荷の増加によって表面化しただけでなく、正常なサーバへの通信の振り分けによって負荷が集中し、地域間の障害波及を防ぐ仕組みも機能しなかったことが、世界規模への拡大につながった。

Exchange Onlineは切り替えできず、復旧が長期化

今回の障害では、Microsoft 365のサービスによって復旧までの時間に大きな差が生じた。Teams、OneDrive、SharePoint、Officeアプリなどは、問題のあるゲートウェイから別の基盤へ切り替えることで復旧が進められた。その結果、Teamsのチャットや会議は障害期間の大半で利用できたとされる。

一方、Exchange Onlineは同様の切り替えに対応できず、メールへのアクセス障害が長引いた。

復旧に時間を要した理由の1つは、ゲートウェイサーバを再稼働させても、再び応答不能になる問題が発生したことだ。サーバの再稼働後、待機していた通信要求が一斉に集中したため、根本原因を解決しないまま復旧させても、ゲートウェイの連鎖的な停止が繰り返される状態だったという。

もう1つの理由は、不具合の原因となったソフトウェアの変更が直近のものではなく、約3カ月前に導入されたものだったことだ。Lamanna氏は投稿で、主要なコードの欠陥が数カ月前から潜在していたため、通常のロールバックや機能フラグなどの仕組みでは、問題のある変更を迅速に元に戻すことができなかったと説明している。

Microsoftは最終的に不具合を特定し、正常に動作していた以前のコードへ戻す更新プログラムを準備した。ゲートウェイサーバをグループ単位で停止し、修正プログラムを適用して再起動した後、順次サービスへ復帰させた。

今回のLamanna氏の投稿は、Microsoft 365管理センターで公開された障害原因に関する暫定情報を要約したものだ。Microsoftは、最終的なインシデント調査報告書を11月16日の週の後半に公開する予定としている。