メインコンテンツへスキップ
見出し画像

「障害を完全に防ぐ」から「起きても継続できる設計」へ——M365とFAAのシステム停止が浮き彫りにした基盤リスク

    -- From "Preventing Failures" to "Designing for Resilience": What M365 and FAA Outages Reveal About Infrastructure Risks --

    先週、世界の業務基盤と社会インフラを支える重要システムで、大規模な障害が相次いで発生しました。11月12日(木) から13日(金) にかけて発生した Microsoft 365 の世界的障害と、11月13日(金) に発生した FAA (Federal Aviation Administration) の全米航空管制ネットワーク障害は、いずれも現代社会が巨大なデジタル基盤にどれほど依存しているかを改めて示す事例です。

    まず Microsoft 365 の障害では、メール基盤である Exchange Online を中心に問題が発生し、Outlook、Microsoft Teams、Microsoft 365 Copilot、SharePoint Online、Intune、Defender XDR など広範なサービスに影響が波及。利用者はメールボックスへの接続、メール送受信、会議スケジュール管理、Copilotによるデータ参照などに支障をきたし、企業だけでなく各国政府機関でも業務への影響が報告されました。
    問題の発端は、ネットワーク容量拡張作業に関連した構成変更だったようです。構成変更後、一部のバックエンドサーバが正常なヘルスチェックに失敗し利用不能となったことで、残るサーバ群に負荷が集中した結果、認証やセキュア接続確立を担うプロセスが過負荷状態に陥り、さらに多くのサーバがリクエスト処理を停止する悪循環が発生しました。Microsoftはサーバ再起動やトラフィック分散、構成変更のロールバック、容量増強などの対策を進め、24時間以上をかけて段階的に復旧させました。

    一方、金曜日に発生した FAA の航空管制ネットワーク障害では、全米22カ所の航空路交通管制センターを結ぶ通信網に問題が発生し、安全確保のため全米規模で出発便の運航停止措置 (Ground Stop) が発令されました。これは2001年の同時多発テロ後および2023年のNOTAMシステム障害以来で極めて異例の措置であり、数千便が欠航または遅延、全米の空港運用に大きな混乱をもたらしました。
    FAAをめぐっては、1980年代に導入された旧式の情報表示システム (E-IDSなど) や、長年現場を支えてきたレガシーインフラの刷新が長年の課題となっており、かつては重要な情報のやりとりにフロッピーディスクなどの古い技術・媒体が一部で残り続けるなど、「止まると困るものほど新しくしづらい」という社会インフラ特有のジレンマを抱えていました。現在も数年単位の大規模な近代化・置き換え計画が進められている最中ですが、部品の調達難や24時間止めることのできない運用負荷が、システム更新を極めて困難にしているのが現実です。
    障害は航空管制センター間の通信ネットワークで使用されるスイッチやルータが過剰なデータ負荷によって不安定化し、正常な通信が維持できなくなったことに起因したとのこと。レーダーや通信機能が完全に停止したわけではありませんでしたが、データの一貫性と信頼性が確保できない状況となったため、FAAは予防的措置として全米の出発便の停止を指示。障害は約4時間後に解消されたものの、その後も運航スケジュールの乱れが続き、週末まで影響が残りました。

    この2つの障害は業界もシステムも異なりますが、エンジニアリングの観点から見ると多くの共通点があるように思います。注目すべき点は、どちらも外部攻撃ではなく内部システムの運用・構成・基盤ネットワークに起因して発生したこと。近年はサイバー攻撃への警戒が高まっていますが、実際には構成変更や運用プロセスの不備、複雑化した分散システムの予期しない相互作用が、より大きな停止を引き起こすケースが少なくありません。
    また、両障害ともデータそのものではなく、システム全体を制御する「コントロールプレーン」の問題だった点が特徴的です。Microsoftでは認証・接続制御・ルーティングを司る基盤が停止し、FAAでは航空機間の運航調整を担う通信ネットワークが機能不全に陥りました。その結果、サービスや航空機自体は稼働していても、安全かつ正常に運用することができなくなりました。

    これは、大規模システムにおいて守るべき対象がアプリケーションだけでなく制御系インフラであることを浮き彫りにしたように思います。さらに両事案は、集中化された共通基盤が持つメリットとリスクも浮き彫りにしました。Microsoft 365 は世界中の企業活動を支える事実上の共通業務基盤であり、FAA の航空管制ネットワークは全米航空交通を統合管理する社会インフラです。効率性や運用性の向上という利益の裏側で、一部のコンポーネント障害が世界規模または国家規模の影響へ拡大するリスクが現実化した形となりました。

    今回の二つの障害から得られる教訓は、高可用性システムであっても、構成変更管理、段階的リリース、障害時のフェイルオーバー試験、コントロールプレーンの冗長化、代替通信手段の確保といった基本的なレジリエンス設計が極めて重要であるということ。クラウドサービスや大規模ネットワークへの依存がさらに高まる中、障害を完全に防ぐことよりも、「障害が起きても業務を継続できる設計」をいかに実装するかが今後ますます重要です。

    あなたへのおすすめ