Ngày 12/11/2026, Outlook và Exchange Online ngừng hoạt động với một phần rất lớn người dùng trên thế giới. Báo cáo sơ bộ sau sự cố của Microsoft ghi thời điểm bắt đầu là 16:20 UTC và kết thúc lúc 16:10 UTC ngày hôm sau — gần 24 giờ — dù thông báo công khai đến muộn hơn và các cập nhật cuối cùng kéo dài sang ngày 14/11.
Microsoft khẳng định đây không phải tấn công mạng. Đó là một chuỗi những chuyện rất bình thường trùng hợp xảy ra cùng lúc. Chính vì vậy mà nó đáng để học hỏi.
Diễn biến theo thứ tự
- Tháng 7/2026: một bản cập nhật Windows được cài lên các server của tầng networking gateway trong Microsoft 365. Với một số loại tải, một tiến trình nội bộ bị tranh chấp khoá (lock contention), ngốn CPU và bộ nhớ đến khi server không còn phản hồi. Lỗi nằm im hơn ba tháng; theo báo cáo, nó lọt qua khâu kiểm thử vì máy trong lab có ít nhân CPU hơn máy production.
- Một ngày trước đó: khoảng 14% năng lực gateway đã ngừng phục vụ. (Phó chủ tịch Charles Lamanna của Microsoft cho rằng do bảo trì; báo cáo sơ bộ, theo tóm tắt của Wccftech, lại nói do một sự cố không liên quan.)
- Khoảng 15 giờ trước: traffic của Teams được chuyển — như thường lệ — sang nhóm gateway mà Exchange Online dùng chung.
- Ngòi nổ: tải nhiều hơn trên năng lực ít hơn khiến bug tiềm ẩn bắt đầu phát tác. Khi server lần lượt "đơ", hệ thống điều phối traffic tự động dồn request sang các server còn sống, và chúng cũng gục theo. Trong khoảng hai giờ, hơn 80% server gateway ngừng hoạt động, và cơ chế khoanh vùng theo khu vực không ngăn được sự lan rộng.
- Khôi phục cũng là một cuộc chiến: rollback không giúp được vì thay đổi lỗi đã có từ nhiều tháng trước. Server vừa khởi động lại lập tức bị dòng traffic dồn ứ đè bẹp, nên Microsoft phải tắt điều phối tự động, đưa từng máy trở lại dần dần rồi mới phát hành bản sửa code.
Ảnh hưởng vượt xa email: các tính năng của Teams, SharePoint, OneDrive và Copilot phụ thuộc vào Exchange đều suy giảm, và bài viết trên Wikipedia liệt kê gián đoạn ở bệnh viện, trường học, toà án và cơ quan chính phủ tại nhiều quốc gia.
Năm bài học áp dụng được cho app của bạn
1. Môi trường test của bạn đang "nói dối" một chút
Bug này chỉ lộ ra trên phần cứng cỡ production. Với web app, phiên bản tương tự là test trên laptop mạnh với cache đã "ấm". Hãy giả lập CPU chậm trong DevTools, chạy Lighthouse với cấu hình điện thoại tầm trung và load-test với lượng dữ liệu thực tế trước khi tin vào câu "máy mình chạy được".
2. Failover chuyển tải đi — chứ không làm tải biến mất
Một lần failover thường lệ là một phần của ngòi nổ. Mỗi khi thêm phương án dự phòng (API phụ, region dự phòng, cơ chế retry), hãy hỏi: phía nhận sẽ ra sao khi đột nhiên phải gánh traffic của tất cả?
3. Tự động hoá có thể biến đám cháy nhỏ thành cháy rừng
Health check loại server "ốm" ra và đẩy traffic sang server khoẻ — đúng như thiết kế, và cũng đúng là cách lỗi lan ra. Chủ động từ chối bớt tải (load shedding) tốt hơn dồn tải: trả lỗi nhanh cho một số người vẫn hơn để tất cả cùng chờ timeout.
4. "Cứ rollback là xong" có hạn sử dụng
Một thay đổi từ tháng 7 không thể gỡ sạch vào tháng 11. Hãy đặt các hành vi rủi ro sau feature flag có thể tắt độc lập với việc deploy, kể cả rất lâu sau khi code đã lên production.
5. Khôi phục cần backoff và jitter
Khi server trở lại, khối công việc dồn ứ lại quật ngã chúng — hiện tượng thundering herd kinh điển. Mỗi client bạn viết đều có thể tránh góp phần vào đó:
export async function withRetry<T>(fn: () => Promise<T>, attempts = 5) {
for (let i = 0; ; i++) {
try {
return await fn();
} catch (err) {
if (i >= attempts - 1) throw err;
// Backoff luỹ thừa kèm "full jitter": chờ ngẫu nhiên trong [0, base * 2^i]
const cap = Math.min(30_000, 500 * 2 ** i);
await new Promise((r) => setTimeout(r, Math.random() * cap));
}
}
}Yếu tố ngẫu nhiên quan trọng không kém phần luỹ thừa: thiếu jitter, mọi client sẽ retry cùng một lúc và bạn lại tạo ra chính cú dồn tải mình muốn tránh.
Bức tranh lớn hơn
Microsoft cho biết sẽ có báo cáo cuối cùng với thêm các biện pháp khắc phục; bản sơ bộ đã liệt kê cơ chế bảo vệ phân phối traffic, tăng giám sát và bổ sung năng lực. Trong khi đó, giới chính trị ở Anh và EU dùng sự cố này để đặt câu hỏi về việc quá nhiều công việc quan trọng phụ thuộc vào một nhà cung cấp duy nhất — một câu hỏi cũng đáng đặt ra ở quy mô stack của chính bạn.