Microsoft je priznao da je globalni prekid u mrežnoj infrastrukturi kompanije, koji je trajao skoro pet sati, prouzrokovan greškom mrežnih inženjera prilikom izmena u konfiguraciji WAN rutera.
Promena IP adrese VAN rutera obavljena je komandom koja nije bila detaljno testirana i rezultirala je drugačijim ponašanjem na različitim mrežnim uređajima“, objasnio je Microsoft.
Kompanija je saopštila da su mrežni inženjeri napravili promene u konfiguraciji rutera kao deo planiranog napora da se ažuriraju IP adrese na WAN ruterima.
Međutim, zbog nepropisno primenjenih promena konfiguracije, Microsoft WAN ruteri su počeli da se spuštaju i prekidaju vezu sa drugim ruterima u WAN-u.
Ažurirane tabele rutiranja na uređajima uklonile su prosleđivanje Microsoft autonomnih sistema i sistema za upravljanje saobraćajem radi optimizacije WAN saobraćaja.
Microsoft je 25. januara 2023. uspeo da obnovi rad svih svojih glavnih usluga 4 sata nakon globalnog prekida rada.
Incident je pogodio milione korisnika širom sveta, jer je uzrok bila greška u mrežnoj infrastrukturi kompanije.
Korisnici nisu mogli da pristupe Microsoft servisima tokom incidenta, kao što su Azure, Microsoft 365, Microsoft Teams, Exchange Online, Outlook, SharePoint Online, OneDrive for Business, Microsoft Graph, Microsoft Store, Xbox, Minecraft i VS Code.
“Između 07:05 i 12:43 25. januara 2023., klijenti su iskusili probleme sa mrežnom vezom koji su se manifestovali kao dugo kašnjenje mreže i/ili vremensko ograničenje kada su pokušavali da se povežu na resurse hostovane u Azure regionima, kao i na druge usluge Microsofta, uključujući Microsoft 365 i Power Platform“, objavio je Microsoft u preliminarnom izveštaju objavljenom danas.
Nakon globalnog prekida rada, mrežni inženjeri kompanije su ručno vratili prethodno napravljene izmene i sve usluge su uspešno vraćene.
U vezi sa incidentom, Microsoft je odlučio da zabrani bilo kakve promene u konfiguraciji mrežnih uređaja koji nisu u skladu sa bezbednosnim preporukama i nisu testirani na celokupnoj floti mrežne opreme. Netačne promene u mrežnim postavkama Majkrosofta dovele su do toga da autonomni sistem kompanije izgubi komunikaciju sa 47 drugih ASN-a, uključujući AS701 UUNET (Verizon), rekli su stručnjaci iz Krator-a.
As far as we have detected, this network issue caused Microsoft’s AS8075 to lose connection with 47 other ASNs, including AS701 UUNET (Verizon). In multiple waves, as confirmed by Microsoft engineers.
We hope the fix works, as this network disruption was felt globally. https://t.co/pGj0lURyiZ pic.twitter.com/DCkPbkJvMM— Radar by Qrator (@Qrator_Radar) January 25, 2023
Poremećaj se osetio u celom svetu.
Ako ste već napravili problem sistem inženjerima u firmi, vreme je da im se izvinite 🙂
Napišite komentar