Site Reliability Engineer- EDI

Hyve Company Overview

Hyve Solutions transforms complex engineering challenges into production reality for technology innovators building AI, cloud, and connected infrastructure. As a US-based manufacturing partner, the company rapidly delivers fast, agile execution through dep technical partnerships and co-innovation, and supply chain clarity. Hyve’s integrated ODM, CM, and SI capabilities eliminate vendor complexity while accelerating time-to-market with single-partner accountability from design through scale. The company co-innovates with deep engineering expertise, treating customer success as its own while building tomorrow's digital infrastructure.

We are looking for a proactive and technically strong Site Reliability Engineer to support business-critical application platforms, EDI services, and production infrastructure across North American operations. The role is accountable for improving service reliability, availability, observability, and operational efficiency in a fast-paced enterprise environment. The ideal candidate combines hands-on troubleshooting with automation, disciplined incident management, and effective cross-functional collaboration .

What You'll Do:

• Monitor production services and respond to incidents affecting business-critical applications, integrations, and infrastructure, restoring service quickly and minimizing operational disruption.
• Provide NorthAmericadaytime operational coverage and participate in an on-call or escalation rotation as assigned.
• Support and improve application platforms and distributed systems, including Kubernetes, Nginx, MongoDB, Redis, Elasticsearch, Kafka, and related runtime components.
• Maintain and support EDI and external-facing platform services, including AS2 servers, FTP/SFTP services, dashboards, and supporting integrations.
• Support Java and Node.js runtime platforms and collaborate with development teams to troubleshoot application, middleware, database, and performance issues.
• Build and improve monitoring, alerting, logging, and dashboards using tools such as Prometheus, Grafana, and Kibana.
• Automate repetitive operational activities, health checks, deployments, recovery procedures, and environment validation using scripting and infrastructure automation practices.
• Participate in incident, problem, and change management; lead root cause analysis and ensure corrective and preventive actions are documented and completed.
• Define and track service reliability measures such as service-level indicators, service-level objectives, availability, latency, error rates, and recovery performance.
• Create and maintain production runbooks, troubleshooting guides, architecture records, operating procedures, and knowledge articles.
• Collaborate with business, development, infrastructure, security, network, database, and offshore teams to deliver platform upgrades and reliability improvements.
• Identify capacity, resilience, security, and operational risks, then drive practical remediation and continuous improvement initiatives.

What We're Looking For:

• Bachelor’s degree or above in Computer Science, Information Technology, Information Systems, Engineering, or related field.
• Minimum of 2 years of experience in site reliability engineering, DevOps, systems administration, software development, platform support, or production operations.
• Strong Linux troubleshooting skills and practical knowledge of networking, DNS, certificates, load balancing, storage, and system performance.
• Experience supporting containerized or distributed platforms, preferably Kubernetes and Docker.
• Experience with monitoring, metrics, logging, and alerting solutions; hands-on exposure to Prometheus, Grafana, Kibana, or equivalent tools is preferred.
• Experience with relational or NoSQL databases such as Sybase, MySQL, MongoDB, or equivalent platforms.
• Proficiency in at least one scripting or programming language such as Python, Bash, Java, or JavaScript.
• Understanding of incident response, root cause analysis, change management, capacity planning, high availability, and disaster recovery concepts.
• Strong analytical and troubleshooting skills, including the ability to remain effective during high-priority production incidents.
• Strong communication, documentation, and collaboration skills, with the ability to work independently and across global teams.
• Good judgment in defining procedures, prioritizing operational risk, and determining appropriate actions

Preferred Qualifications

• Experience supporting ERP, supply chain, manufacturing, order processing, logistics, or other enterprise business platforms.
• Familiarity with EDI standards such as X12 or EDIFACT, protocols such as AS2, FTP, and SFTP, and data formats such as XML and JSON.
• Experience with CI/CD pipelines, configuration management, infrastructure as code, or release automation.
• Exposure to cloud platforms and cloud-native operating practices.
• Experience coordinating platform integration, migration, or upgrade projects.
• Fluency in Mandarin is a plus.

Success in This Role

Focus Area

Expected Contribution

Reliability

Improve platform stability, availability, resilience, and recovery readiness.

Operations

Reduce incident impact through rapid diagnosis, disciplined escalation, and clear runbooks.

Observability

Increase actionable visibility through meaningful metrics, logs, alerts, and dashboards.

Automation

Reduce manual effort and operational risk through repeatable automation.

Collaboration

Coordinate effectively across business, development, infrastructure, security, and global support teams.

Continuous Improvement

Turn incidents, operational data, and recurring issues into measurable reliability improvements.

Compensation

Compensation: The anticipated base salary range for this position is $70,000-110,000 CAD annually .

Actual compensation will be determined based on experience, skills, qualifications, and business needs.

Ingénieur ou ingénieure en fiabilité des systèmes (SRE)

Nous sommes à la recherche d'une personne proactive et technique pour occuper le poste d'ingénieur ou ingénieure en fiabilité des systèmes (SRE), qui appuiera nos plateformes applicatives critiques, nos services EDI et notre infrastructure de production dans l'ensemble de nos activités nord-américaines. Ce rôle vise à améliorer la fiabilité, la disponibilité, l'observabilité et l'efficacité opérationnelle des services dans un environnement d'entreprise dynamique. La personne idéale allie un savoir-faire pratique en dépannage à des compétences en automatisation, une gestion rigoureuse des incidents et une collaboration efficace entre les équipes.

Vos responsabilités

• Surveiller les services de production et intervenir lors d'incidents touchant les applications, les intégrations et l'infrastructure critiques à l'entreprise, afin de rétablir le service rapidement et de réduire au minimum les perturbations opérationnelles.
• Assurer une couverture opérationnelle pendant les heures de jour en Amérique du Nord et participer à une rotation de garde ou d'escalade, selon les besoins.
• Appuyer et améliorer les plateformes applicatives et les systèmes distribués, notamment Kubernetes, Nginx, MongoDB, Redis, Elasticsearch, Kafka et les composantes d'exécution connexes.
• Maintenir et appuyer les services de plateformes EDI et externes, y compris les serveurs AS2, les services FTP/SFTP, les tableaux de bord et les intégrations connexes.
• Appuyer les plateformes d'exécution Java et Node.js, et collaborer avec les équipes de développement pour résoudre les problèmes liés aux applications, aux intergiciels, aux bases de données et à la performance.
• Concevoir et améliorer les outils de surveillance, d'alerte, de journalisation et les tableaux de bord à l'aide d'outils tels que Prometheus, Grafana et Kibana.
• Automatiser les tâches opérationnelles répétitives, les vérifications d'état, les déploiements, les procédures de récupération et la validation des environnements grâce à des pratiques de script et d'automation de l'infrastructure.
• Participer à la gestion des incidents, des problèmes et des changements; diriger les analyses des causes profondes et veiller à ce que les mesures correctives et préventives soient documentées et mises en œuvre.
• Définir et suivre des mesures de fiabilité des services, telles que les indicateurs et objectifs de niveau de service, la disponibilité, la latence, les taux d'erreur et la performance de récupération.
• Créer et tenir à jour les guides d'exploitation de production, les guides de dépannage, la documentation d'architecture, les procédures d'exploitation et les articles de connaissances.
• Collaborer avec les équipes des affaires, du développement, de l'infrastructure, de la sécurité, du réseau, des bases de données et les équipes délocalisées afin de réaliser les mises à niveau de plateformes et les améliorations de fiabilité.
• Repérer les risques liés à la capacité, à la résilience, à la sécurité et à l'exploitation, puis orienter les mesures correctives concrètes et les initiatives d'amélioration continue.

Ce que nous recherchons

• Baccalauréat ou diplôme supérieur en informatique, en technologies de l'information, en systèmes d'information, en génie ou dans un domaine connexe.
• Un minimum de 2 années d'expérience en fiabilité des systèmes (SRE), en DevOps, en administration de systèmes, en développement logiciel, en soutien de plateformes ou en exploitation de production.
• Solides compétences en dépannage Linux et connaissances pratiques en réseautique, DNS, certificats, répartition de charge, stockage et performance des systèmes.
• Expérience du soutien de plateformes conteneurisées ou distribuées, idéalement Kubernetes et Docker.
• Expérience avec des solutions de surveillance, de mesures, de journalisation et d'alerte; une expérience pratique avec Prometheus, Grafana, Kibana ou des outils équivalents est un atout.
• Expérience avec des bases de données relationnelles ou NoSQL, telles que Sybase, MySQL, MongoDB ou des plateformes équivalentes.
• Maîtrise d'au moins un langage de script ou de programmation, tel que Python, Bash, Java ou JavaScript.
• Compréhension des concepts de gestion des incidents, d'analyse des causes profondes, de gestion des changements, de planification de la capacité, de haute disponibilité et de reprise après sinistre.
• Solides compétences analytiques et de dépannage, y compris la capacité à demeurer efficace lors d'incidents de production hautement prioritaires.
• Excellentes compétences en communication, en documentation et en collaboration, avec la capacité de travailler de façon autonome et avec des équipes mondiales.
• Bon jugement dans la définition des procédures, la priorisation des risques opérationnels et la détermination des mesures appropriées.

Atouts

• Expérience du soutien de plateformes d'entreprise telles que les PGI (ERP), la chaîne d'approvisionnement, la fabrication, le traitement des commandes, la logistique ou d'autres systèmes d'affaires.
• Connaissance des normes EDI telles que X12 ou EDIFACT, des protocoles tels que AS2, FTP et SFTP, ainsi que des formats de données tels que XML et JSON.
• Expérience avec les pipelines d'intégration et de livraison continues (CI/CD), la gestion de la configuration, l'infrastructure en tant que code ou l'automatisation des mises en production.
• Connaissance des plateformes infonuagiques et des pratiques d'exploitation infonuagique natives.
• Expérience dans la coordination de projets d'intégration, de migration ou de mise à niveau de plateformes.
• La maîtrise du mandarin est un atout.

Facteurs de réussite dans ce rôle

DomaineContribution attendue

FiabilitéAméliorer la stabilité, la disponibilité, la résilience et la capacité de récupération des plateformes.

ExploitationRéduire l'impact des incidents grâce à un diagnostic rapide, une escalade rigoureuse et des guides d'exploitation clairs.

ObservabilitéAccroître la visibilité concrète grâce à des mesures, des journaux, des alertes et des tableaux de bord pertinents.

AutomatisationRéduire les efforts manuels et les risques opérationnels grâce à l'automatisation reproductible.

CollaborationCoordonner efficacement les équipes des affaires, du développement, de l'infrastructure, de la sécurité et du soutien mondial.

Amélioration continueTransformer les incidents, les données opérationnelles et les problèmes récurrents en améliorations mesurables de la fiabilité.

Rémunération

L'échelle salariale de base prévue pour ce poste se situe entre 70 000 $ et 110 000 $ CAD par année.

La rémunération réelle sera déterminée en fonction de l'expérience, des compétences, des qualifications et des besoins de l'entreprise.

We are an Equal Opportunity Employer and do not discriminate on the basis of race, color, religion, sex, sexual orientation, gender identity, national origin, protected veteran status, disability, or any other legally protected status. We are committed to creating an inclusive environment for all employees.