微软 Azure 崩了 5 个小时：一个转换 Bug、误撤大量 IP 路由

2026-07-25 02:04:56 聊点云上事儿科技

2026 年 7 月 24 日，微软公布 Azure 美国西部区域服务故障的初步事故复盘。故障发生于 7 月 23 日

2026 年 7 月 24 日，微软公布 Azure 美国西部区域服务故障的初步事故复盘。

故障发生于 7 月 23 日 14 时 44 分至 19 时 41 分（北京时间 7 月 23 日 22 时 44 分至 7 月 24 日 3 时 41 分），持续约 4 小时 57 分钟。

期间，客户可能遇到资源连接失败、访问延迟升高，或无法访问部署在 Azure 美国西部区域的微软云服务。影响主要集中于进入或离开该区域的网络流量，完全在区域内部传输的流量未受影响。

受影响服务包括 Azure Kubernetes Service、Azure Cosmos DB、Azure Databricks、Azure AI Search、Azure AI Speech、Azure API Management、Azure Monitor、Azure Virtual Desktop、Microsoft Graph、Microsoft Sentinel、Power BI Embedded、VPN Gateway 和 ExpressRoute 等。

故障源于一次例行网络设备维护，此次维护需要隔离特定网络路径。

按照正常流程，微软会将维护请求转换为系统可读取的请求，并检查两条冗余路径中至少有一条保持正常；维护开始前，这些请求还会经过安全检查，以确认操作不会造成服务影响。

但此次请求转换系统出现 Bug，错误地将额外设备标记为本次维护的一部分，导致一组 IP 路由从比预期更多的设备上被移除。

这些路由位于 Azure 美国西部数据中心与广域网之间，因此影响了进入或离开该区域的网络流量。

故障发生后，问题最初表现为 Azure 广域网出现大规模路由震荡。

微软随后排查流量异常、路由行为、丢包信号和近期变更，最终确认被移除的路由来自美国西部区域的一座数据中心，并将异常路由行为与近期维护操作关联起来。