Microsoft explica la caída de Outlook por un fallo latente agravado por alta carga

Fuentes: Microsoft explica la caída de Outlook por un fallo latente agravado por alta cargaT3clickbait, xataka.com, theregister.comT3, muycomputer.com, heise.de, eldiario.esT2, theverge.com

Microsoft ha revelado la causa técnica de la masiva caída de Outlook y otros servicios de su suite Microsoft 365 que afectó a usuarios de todo el mundo el jueves por la tarde. Según un informe preliminar publicado por la compañía, el incidente no fue un fallo aislado, sino el resultado de la convergencia de tres factores críticos: un defecto latente en los servidores que data de julio, una reconfiguración del tráfico de red y una saturación de capacidad que provocó una cascada de fallos. La empresa ha confirmado que el problema se originó en un fallo de rendimiento que, bajo condiciones específicas de alta carga, agotaba los recursos de procesamiento y memoria de los equipos, dejando de responder. Este defecto, que llevaba meses en espera, no fue detectado previamente porque las pruebas de carga habituales no replicaban las condiciones reales de producción, específicamente en equipos más nuevos con mayor potencia, donde el fallo se agravaba.

El detonante del incidente ocurrió el jueves, cuando el tráfico de Teams pasó del sistema de red alternativo al principal, el mismo que gestionaba el correo Exchange Online. Esta transición aumentó la carga sobre el sistema principal. Coincidiendo con ello, cerca del 14 % de la capacidad de ese sistema estaba ya fuera de servicio debido a un problema distinto ocurrido el día anterior. La combinación de más conexiones que atender y menos capacidad disponible hizo que el fallo de julio se manifestara. Microsoft explicó que, al perder la conectividad de los primeros servidores, sus sistemas de gestión redirijeron automáticamente las conexiones de los usuarios a otros puntos de acceso operativos. Sin embargo, este mecanismo, diseñado para evitar interrupciones, terminó propagando el problema: al concentrar el tráfico en los servidores restantes, se reprodujo el mismo fallo de rendimiento, creando un ciclo de colapso donde el tráfico redirigido aumentaba la probabilidad de que el problema se replicara en los equipos restantes.

La magnitud de la avería fue significativa. En el peor momento, más del 80 % de los servidores de acceso dejaron de responder. Además, los mecanismos de aislamiento de red, diseñados para contener las averías, no contuvieron la propagación debido a otro problema técnico. La recuperación fue más lenta de lo habitual porque, al reincorporar los servidores, el tráfico pendiente los saturaba nuevamente, haciendo que dejaran de responder otra vez. Para estabilizar la situación, Microsoft retiró los servidores por grupos, aplicó correcciones de código y reinició los equipos antes de volverlos al servicio. El impacto directo terminó a las 17:10 del viernes 13 de noviembre, hora peninsular española, 23 horas y 50 minutos después del inicio. El servicio se restableció por completo para los últimos clientes y regiones afectadas el sábado por la mañana.

La caída no se limitó al correo electrónico. Según 20minutos.es, la mayoría de los servicios de Microsoft 365 se vieron afectados, incluyendo Copilot, Teams, SharePoint, OneDrive, Defender, Purview, Fabric, Intune, Planner, Power Apps, To Do, Power BI e Impresión universal. Xataka.com añade que la incidencia terminó arrastrando incluso a los conectores de empresas de terceros, como Anthropic, lo que evidenció la dependencia crítica de la infraestructura de Microsoft. Aunque Microsoft pudo recuperar parcialmente Teams, OneDrive y SharePoint, el volumen del servicio Exchange Online impidió realizar un traslado similar, manteniendo la interrupción del correo electrónico.

Microsoft ha insistido en que las conclusiones pueden cambiar y ha facilitado un informe definitivo en el plazo de cinco días hábiles desde la resolución completa del incidente, previsto para el 20 de noviembre. La compañía ha reconocido que sus procesos de recuperación, normalmente automatizados, no estaban diseñados para restablecer el servicio ante una pérdida de respuesta tan extendida. Este incidente subraya las vulnerabilidades en la infraestructura de Microsoft 365 y la complejidad de gestionar la alta disponibilidad en sistemas globales de gran escala. Los usuarios y empresas deberán esperar a que Microsoft detalle las medidas correctivas implementadas para evitar que este tipo de fallos latentes se repitan en el futuro.