近年来,越来越多的服务部署在云中,数据中心的规模随之快速扩张。数据中心高速发展的同时也带来了高能耗问题,能源成本的提升和绿色环保的要求迫使产业界将关注重点从性能转移到数据中心的能源效率。虽然数据中心的PUE值近几年来得到了稳步提升,但是服务器层面的能效仍然是一个问题。为了提高服务器的能源效率,首先需要能够测量和评估这种能源效率,基准测试是科学评估的一种方式。目前基准测试存在两个挑战:1)基准套件中基准项之间的冗余会增加计算机系统性能评估的时间,但是随机选择的子集会导致误导性结论;2)国产芯片的自主化催生了国产服务器能效基准Bench SEE,但是相比SERT,Bench SEE的有效性有待验证。另外,研究表明,由于使用的硬件资源比例不同,不同应用程序在同一台服务器上的功耗也会有所区别。因此,服务器能效基准的测试结果无法直观的代表特定应用程序的功耗特征。而对于数据中心服务提供商而言,如何为特定应用程序购买最节能的服务器具有重大的研究意义。针对现有研究工作存在的问题和挑战,本文提出了相应的解决方案,并通过实验验证了其有效性。本文的主要研究内容和贡献如下:（1）针对基准套件的冗余问题,本文提出了一个基准子集选取框架Bench Subset。该框架包括组主成分分析方法、一致性聚类和评估方法三个模块。相比其它方法,该框架考虑到了无标签基准套件子集选取的验证问题。通过SPEC CPU2017的基准子集选取实验,可以看出,和同类方法相比,Bench Subset选择的基准子集更具有代表性。（2）为了验证Bench SEE的有效性,本文基于Bench Subset的设计原理提出了一种负载相似度分析方法,对Bench SEE和SERT的负载进行了对比分析。在能效评估上,本文使用SERT和Bench SEE分别对分属X86和Arm两种不同架构的服务器进行测试对比。实验结果表明,Bench SEE和SERT的负载相似度和能效评估相似度都比较高,可以对服务器进行公平公正的评估。（3）针对现有的基于能效基准的服务器功耗预测方法没有考虑预测模型在目标服务器上的泛化能力,以及在预测粒度和精度等方面的不足,本文实现了一种新的基于能效基准的服务器功耗预测框架（2EBSPP）。该框架包括功耗插值、源服务器选择和基于服务器能效基准的预测算法三个模块。相比其它方法,2EBSPP框架结合SERT和Bench SEE这两种国内外的服务器能效基准实现了更细粒度的服务器功耗预测,不仅增大了数据集,也避免了只使用SERT功率数据导致的片面性。另外,2EBSPP考虑到模型在目标服务器上的泛化能力,增加了源服务器选择机制。实验结果表明,和同类方法相比,2EBSPP框架不仅可以获得更细粒度的预测结果,还可以取得更好的预测性能。