Witold Kepinski - 17 november 2026

Oude bug legde Microsoft gateways plat

De wereldwijde storing die Microsoft 365-diensten op donderdag 12 november 2026 trof, was het gevolg van een samenloop van drie afzonderlijke factoren binnen de netwerkgateway-infrastructuur van het techbedrijf. Dat blijkt uit een technische toelichting van Microsoft-topman Charles Lamanna en het voorlopige incidentrapport dat in het Microsoft 365-beheercentrum is gepubliceerd. Op het dieptepunt van de verstoring was meer dan 80 procent van de betreffende gatewayservers niet-reagerend.

Oude bug legde Microsoft gateways plat image

De dieperliggende oorzaak ligt in een software-aanpassing die al in juli 2026 gefaseerd en zonder zichtbare problemen werd uitgerold. Deze update bevatte een latente programmeerfout die onder specifieke hoge belasting leidde tot interne vergrendelingstwisten (lock contention) in een serverproces, waardoor machines vastliepen. Reguliere belastingtests vooraf brachten dit gebrek niet aan het licht, omdat Microsoft zijn testlabs voornamelijk inrichtte met oudere, minder krachtige hardwareconfiguraties met minder processorkernen, terwijl de fout juist optrad op nieuwere servers met veel kernen. Het probleem bleef beperkt tot de specifieke netwerkgatewayservers van Microsoft 365 en raakte geen reguliere Windows-installaties.

Ruim drie maanden lang draaide de code zonder incidenten, totdat op 12 november twee andere omstandigheden het probleem triggerden. Vijftien uur voor de uitval schakelde Microsoft Teams als onderdeel van reguliere onderhouds- en veerkrachtprocedures over van een alternatieve netwerkgateway naar de primaire gateway, die ook door Exchange Online wordt gebruikt. Dit zorgde voor een hogere belasting en gewijzigde verkeerspatronen op dat specifieke netwerksegment. Tegelijkertijd was bijna 14 procent van de beschikbare servercapaciteit van de netwerkgateway tijdelijk buiten gebruik vanwege een niet-gerelateerd incident van een dag eerder.

Domino-effect

Tijdens het piekmoment van het dataverkeer in de Verenigde Staten bleek de combinatie van extra verkeer en verminderde capaciteit voldoende om de latente fout uit juli te activeren. Zodra de eerste servers stopten met reageren, stuurden de geautomatiseerde verkeersbeheersystemen gebruikersverzoeken door naar de overgebleven gezonde eindpunten. Hierdoor nam de druk op die resterende machines verder toe en ontstond er een domino-effect. Binnen twee uur verspreidde de uitval zich over de gehele servervloot. Normaal gesproken voorkomen zogeheten schotten tussen verschillende regio's en capaciteitseenheden dat een storing zich wereldwijd verspreidt, maar door een afzonderlijk probleem faalde deze isolatie, waardoor het incident mondiale proporties aannam.

Diensten zoals Microsoft Teams, OneDrive, SharePoint en de Office-applicaties konden relatief snel worden hersteld door hun dataverkeer om te leiden weg van de getroffen netwerkgateway. Voor Exchange Online bleek een dergelijke omschakeling architectonisch niet mogelijk, waardoor e-mailverkeer aanzienlijk langer ontregeld bleef.

Roolbacks

Het herstelproces verliep moeizaam omdat servers die weer online kwamen direct werden overspoeld door opgestapeld dataverkeer en opnieuw vastliepen. Bovendien waren standaard terugdraaimechanismen, zoals feature flags en geautomatiseerde rollbacks, niet bruikbaar omdat de defecte code al maanden eerder in productie was genomen. Engineers moesten daarom handmatig een nieuwe patch ontwikkelen die de code terugbracht naar de oorspronkelijke staat. Om de infrastructuur gecontroleerd op te starten zonder directe overbelasting te veroorzaken, werden grote groepen servers — vaak meer dan de helft van een gehele regio tegelijk — tijdelijk uit roulatie gehaald, bijgewerkt en pas na herstart weer opengesteld voor gebruikersverkeer. Microsoft verwacht later het definitieve Post-Incident Review (PIR) te publiceren met verdere details.

Taelium realtime data BW + BN Keepit BW + BN
Taelium realtime data BW + BN