2026年微软365全球宕机,企业IT应急预案怎么写?
一、从11月12日中午到13日凌晨,故障怎么走过来的
当地时间11月12日中午前后,微软365多项核心云服务出现大规模故障,Outlook、Exchange Online、Teams、OneDrive、SharePoint、Microsoft 365 Copilot 都在受影响名单里。监测网站 Downdetector 收到的Outlook报障一度接近138058条。
微软给出的原因指向基础设施:部分服务器负载异常升高,大量服务器没能通过自动健康检查被判为不可用,剩下的服务器承受更大压力,形成连锁。处置动作包括暂停全部部署与配置变更、重新分配全球流量、重启受影响服务器。北京时间11月13日5时,微软在部分服务器上验证了替代的健康检查方法,随后扩大推广。
| 时间(北京时间) | 节点 | 对企业的实际影响 |
|---|---|---|
| 11-13 02:00 前后 | 美国东部12日13时,Outlook报障量冲到近13万条 | 国内团队次日上班即遇上邮箱不可用 |
| 11-13 05:00 | 替代健康检查在部分服务器验证通过 | 部分地区陆续恢复,仍会间歇性中断 |
| 11-13 白天 | 微软继续重启与流量调度,未发现恶意活动 | 邮件可发但延迟,附件与共享文件不稳 |
| 11-13 晚 | 故障进入第二日,微软称为今年第二次大规模中断 | 对外承诺的可信度开始被客户追问 |
这次故障还波及OpenAI和Anthropic使用的微软连接器,说明影响面不只是办公软件,还沿着接口传到了上游服务。对企业来说,这个信号比“邮件发不出去”更值得记下来。
被卡住的往往不是邮件本身。国内团队上班后发现:审批流停在上一个节点,报销单发不出去;对客报价的附件传不上OneDrive;线上会议的录制文件找不到;财务系统靠邮件验证码登录,验证码收不到,付款流程整条停住。这些小环节串起来,一天的业务节奏就散了。故障期间把“哪些流程可以纸质或电话替代”列成清单,比反复刷新页面有用。
二、一次云故障,暴露企业自己的三个薄弱点
微软的服务器怎么修,企业插不上手;但故障期间企业乱不乱,取决于自己的准备。
- 单点依赖:邮箱、审批、网盘、会议全在一家云上,账号一挂全线停摆,连“通知员工改用备用通道”这条消息都发不出去。
- 权限过度集中:管理员账号只有一个人掌握,故障时人不在、手机没电,连服务状态页都没人去看。
- 对外承诺无兜底:合同里写了“24小时响应”,却没有备用邮箱、没有电话值班表,客户找不到人就直接走投诉。
这三条不需要大预算就能补。备用通道用一个独立域的邮箱加一个值班手机号;管理员至少两人互相备份;对外联系人清单印在合同附件里。成本很低,故障当天就是救命的。
三、预案分级:四级响应各自的动作
预案最怕写成“发现问题及时上报”这种谁都能写的话。分级要具体到谁在多长时间内做什么。
| 级别 | 判定标准 | 响应人 | 首个动作 |
|---|---|---|---|
| 一级 | 核心系统全面不可用,影响对外交付 | IT负责人+总经理 | 启动备用通道,30分钟内发全员通知 |
| 二级 | 部分功能不可用,有替代方案 | IT值班+业务负责人 | 切换替代工具,记录受影响工单 |
| 三级 | 性能下降、间歇性失败 | IT值班 | 监控加频,2小时内出判断 |
| 四级 | 单点账号或终端问题 | 服务台 | 按工单流程处理,当日办结 |
分级的价值在于跳过错判。11月12日这类云厂商侧的故障,一线员工报上来时往往描述成“我的Outlook坏了”,如果值班人员按四级处理,让员工重装客户端,时间就浪费了。判定标准里加一条“同一时段三人以上报同一系统故障,直升二级”,能省掉大量沟通。
四、一页纸应急卡:谁在几点通知谁
预案正文可以有几页,但值班桌上要放的是一页纸。写清五件事就够用。
- 第一联系人:IT值班手机号,写在卡片最上面,不依赖邮箱和群消息。
- 状态确认入口:Microsoft 365 管理中心的服务健康页,管理员账号至少两人可登录;管理中心打不开时改用公开服务状态页。
- 对内通知:企业微信群、短信群发、电话树三条通道按顺序启用,模板一句话说清“哪个系统、什么影响、下一步等什么”。
- 对外通知:客户经理按名单逐个通知重点客户,口径统一为“邮件系统受上游云服务影响,紧急事项请拨电话或发备用邮箱”。
- 升级条件:故障超过2小时未恢复,或涉及对外交付节点,直接升级到一级并通知总经理。
这张卡片每年演练一次。演练不用真停系统,抽一个小时让值班人员照着卡片走一遍流程,把打不通的号码改掉,就算合格。预案里最难的不是写,是号码对不对。
通知模板可以直接抄这一句:“各位同事:Outlook与Teams受上游云服务故障影响,目前无法正常使用。紧急对外事项请拨打值班电话,或使用备用邮箱(地址见签名)。系统恢复后另行通知,请勿重复提交工单。”模板定稿后存进企业微信的快捷回复,故障当天复制粘贴即可,不用临时措辞。
五、RTO与RPO别拍脑袋,用业务停摆成本倒推
RTO是恢复时间目标,RPO是数据恢复点目标。很多企业写“RTO 4小时、RPO 15分钟”,问他为什么这么定,答不上来。这两个数应该由业务损失倒推。
| 业务场景 | 停摆1小时的损失 | 合理RTO | 合理RPO |
|---|---|---|---|
| 对客邮件与报价 | 订单流失、客户信任受损 | 2小时以内 | 15分钟 |
| 内部审批与报销 | 流程积压,可次日补 | 8小时 | 1小时 |
| 代码与文档仓库 | 返工、版本混乱 | 4小时 | 15分钟 |
| 考勤与工资数据 | 月底结算出错 | 24小时 | 24小时 |
RTO定得比业务能承受的短,投入会陡增;定得太长,故障当天就违约。表格里的数字是常见区间,真正落地要按自己行业的合同条款改,尤其是对客承诺了响应时限的服务合同。
预案的模板骨架可以直接用信息安全突发事件应急预案,把里面的组织分工、通报流程、演练要求替换成自家部门名称,别整段照抄。
六、复盘报告的五段结构
故障过去以后,复盘报告最容易写成甩锅大会或者表扬稿。五段结构能把它拉回事实。
- 事实段:从第一个报障到完全恢复的时间轴,精确到分钟,标注每个节点的判断依据。
- 影响段:受影响系统、受影响的业务单量、对外承诺违约情况,能量化就量化。
- 原因段:区分上游原因与自身原因,自身原因要写到具体配置、具体权限、具体人。
- 处置段:哪些动作有效、哪些动作无效、哪些动作延误了时间。
- 改进段:每条改进要有人、有期限、有验收方式,三个月后回查一次。
日志是复盘的地基。故障期间谁在几点改了什么配置、谁登录了管理后台,都要能查出来。日志留存规范见网络安全与信息安全日志留存规范,把留存期限和字段要求对着自己系统核一遍。
复盘会由谁主持也有讲究。IT负责人主持容易变成技术汇报,让业务负责人主持,各部门先说业务损失,再说技术原因,改进项才会落到业务侧。会议纪要要在三个工作日内发出,超过一周,大家对细节的记忆就开始互相打架。
常见问题
参考来源
- IT之家《微软365核心服务全球性大规模瘫痪:Outlook、OneDrive、Teams均受影响》2026-11-13,https://m.ithome.com/html/1026460.htm
- 新华社(北京晚报微博转载)《微软多款应用出现大范围故障》2026-11-13,https://m.weibo.cn/detail/5364932397761126
- Microsoft Support《Outlook for Windows 没有响应、挂起、冻结或停止工作》2026-11,https://support.microsoft.com/zh-cn/outlook/getstarted/outlook-for-windows-not-responding-hangs-freezes-or-stops-working
- Microsoft Learn 社区问答《outlook not working today》2026-11-13,https://learn.microsoft.com/en-in/answers/questions/6070657/outlook-not-working-today

