以下是记录本人在使用学院高性能计算平台运行singularity中遇到的问题以及相应的解决方法，不一定适用于其他场景。
建立基础镜像#
sudo singularity build --sandbox tmp/ docker://centos:7尝试过ubuntu:20.04和18.04，在服务器上均会报告"FATAL: kernel too old“的错误。Centos6.10和7可以，但是6.10的yum源已经不再支持。因此使用Centos7作为基础镜像。
安装MATLAB#
这里参考：https://zhuanlan.zhihu.com/p/394298249
需要注意的是，安装之前，需要在系统里面安装一些库文件和编译器，命令如下：
yum install libX11 libXmu
yum install gcc java-11-openjdk-devellibXmu中包含libXt.so.6。
后处理#
安装好MATLAB后，发现无法通过singularity exec去调用。在**/environment**文件中将MATLAB的安装路径添加进PATH环境变量里面也无法直接运行（可能是写入的命令格式有问题，不确定）。之后查到可以定义一个recipe文件（append.def），通过已经生成的镜像重新构建镜像。recipe文件内容如下：
Bootstrap: localimage
From: tmp/
%environment
export PATH=/usr/local/matlab/R2020a/bin:$PATH然后重新构建镜像：
sudo singularity build --sandbox senv-matlab/ append.def构建完成后，需要将镜像打包为可读写的格式（.img文件）。
sudo singularity build --writable senv-matlab.img senv-matlab/这里生成的senv-matlab.img就可在服务器上使用了，也可在服务器上将其转换为压缩格式（.sif/.sqsh/.simg文件等）。不知道为什么直接在本地（Ubuntu 21.10）压缩后，在本地无运行镜像，会报告如下错误。
ERROR : Failed to mount squashfs image in (read only): Invalid argument
ABORT : Retval = 255