마이크로소프트(MS)의 아웃룩, 팀즈 등 주요 서비스가 겪은 대규모 장애는 지난 7월 업데이트에 포함된 소프트웨어 버그 때문인 것으로 드러났습니다. 이번 장애는 협정세계시(UTC) 기준 12일 오후 4시 20분부터 13일 오후 4시 10분까지 약 24시간 동안 이어졌습니다.
장애의 직접적인 원인은 '락 경합(lock contention)'을 과도하게 일으키는 버그였습니다. MS는 저사양 장비 위주로 부하 테스트를 진행한 탓에, CPU 코어 수가 많은 고사양 장비에서 증상이 심해지는 해당 버그를 사전에 발견하지 못했습니다. 여기에 팀즈 접속 물량의 게이트웨이 이동과 서버 용량의 14% 감소 등 세 가지 요인이 겹치며 최악의 시점에는 게이트웨이 서버의 80% 이상이 응답 불능 상태에 빠졌습니다.
복구 과정에서 서비스 복원력을 위해 도입한 자동 우회 시스템이 오히려 트래픽을 동일한 버그가 있는 서버로 분산시키며 장애를 연쇄적으로 확산시켰습니다. MS는 장애 발생 15시간 뒤에야 심각성을 인지했고, 이후 원인 파악과 수정 프로그램 배포에 다시 15시간을 소요했습니다. 이로 인해 리치몬트, 워크호스그룹 등 기업과 영국 국민보건서비스(NHS) 등 공공기관이 업무 차질을 빚었으며, 사티아 나델라 MS 최고경영자(CEO)에 대한 책임론도 제기되고 있습니다.