Microsoft Ungkap Bug Perangkat Lunak yang Tersembunyi Sejak Juli Jadi Penyebab Gangguan Besar Microsoft 365 di Seluruh Dunia

Gangguan layanan pada 12 November sangat menghambat operasional harian pelanggan korporasi dan pemerintah di seluruh dunia, sekali lagi mengungkap kerentanan operasional dan risiko konsentrasi akibat ketergantungan yang besar pada satu penyedia layanan cloud. Setelah laporan awal kepada pelanggan dirilis pada Minggu, seorang wakil presiden eksekutif Microsoft menyampaikan permohonan maaf resmi atas gangguan tersebut melalui X pada Senin. Pada puncak gangguan, lebih dari 80% server gateway jaringan yang mendukung Exchange Online tidak merespons. Meskipun aplikasi seperti Teams, OneDrive, dan SharePoint dengan cepat beralih ke infrastruktur yang berfungsi normal, Outlook dan Exchange Online tetap bergantung pada gateway yang bermasalah selama jam kerja tersibuk di AS.

TMGM Analysis: Financial Market News, Economic Calendar & Market Insights

Gangguan tersebut disebabkan oleh kombinasi tiga faktor operasional. Pada penghujung 11 November, sistem pengelolaan lalu lintas otomatis rutin mengalihkan lalu lintas Teams ke gateway jaringan utama yang saat itu sudah menangani lalu lintas Outlook. Sementara itu, pemeliharaan terpisah yang dilakukan sehari sebelumnya telah menonaktifkan sekitar 14% kapasitas server gateway tersebut, sehingga sistem tidak memiliki kapasitas cadangan untuk menampung lonjakan lalu lintas.

Pada 12 November, lonjakan lalu lintas memicu bug perebutan kunci internal (lock contention) yang muncul dalam pembaruan gateway pada Juli, sehingga server kehabisan memori dan gagal berfungsi satu per satu. Ramanna menjelaskan bahwa pengujian laboratorium standar sebelum penerapan tidak berhasil mendeteksi bug tersebut selama tiga bulan sebelumnya karena lingkungan pengujian mengutamakan perangkat keras lama dengan jumlah inti prosesor lebih sedikit, bukan prosesor generasi baru dengan jumlah inti lebih banyak yang lebih berpotensi memicu masalah perebutan kunci tersebut.

Sistem pengelolaan lalu lintas otomatis berupaya mengalihkan pengguna ke simpul yang berfungsi normal, tetapi langkah ini justru mempercepat meluasnya gangguan karena membebani server yang tersisa secara berlebihan. Pada saat yang sama, masalah lain menghalangi mekanisme isolasi partisi standar untuk membatasi kegagalan hanya pada wilayah tertentu. Akibatnya, bug tersebut menyebar ke seluruh infrastruktur server global Microsoft dalam waktu kurang dari dua jam.

Proses pemulihan berlangsung jauh lebih lama dari biasanya. Para teknisi menghabiskan sekitar 15 jam untuk mengidentifikasi akar masalah, lalu membutuhkan 15 jam lagi sebelum mulai menerapkan perbaikan. Karena kode yang bermasalah telah digunakan selama berbulan-bulan, perangkat standar untuk mengembalikan sistem ke versi sebelumnya serta sakelar fitur terbukti tidak efektif. Para teknisi harus menonaktifkan lebih dari separuh infrastruktur di setiap wilayah terdampak pada satu waktu, secara bertahap mengembalikan kode ke versi sebelumnya, dan memulihkan lalu lintas pengguna yang menumpuk secara bertahap.

Wawasan Pasar:

Insiden ini menyoroti semakin kompleksnya pengelolaan infrastruktur cloud berskala sangat besar seiring meningkatnya ketergantungan dunia usaha pada perangkat produktivitas terintegrasi dan layanan AI. Ke depan, pelanggan institusional dan pengamat pasar kemungkinan akan mencermati prosedur pengujian beban serta mekanisme perlindungan pengalihan otomatis saat terjadi kegagalan (failover) Microsoft secara lebih saksama untuk memastikan bahwa penerapan perangkat keras berkepadatan tinggi tidak menimbulkan risiko sistemik tersembunyi.