Commentary update motivating code update in 0.9.7.
[openssl.git] / crypto / rc4 / asm / rc4-x86_64.pl
1 #!/usr/bin/env perl
2 #
3 # ====================================================================
4 # Written by Andy Polyakov <appro@fy.chalmers.se> for the OpenSSL
5 # project. Rights for redistribution and usage in source and binary
6 # forms are granted according to the OpenSSL license.
7 # ====================================================================
8 #
9 # 2.22x RC4 tune-up:-) It should be noted though that my hand [as in
10 # "hand-coded assembler"] doesn't stand for the whole improvement
11 # coefficient. It turned out that eliminating RC4_CHAR from config
12 # line results in ~40% improvement (yes, even for C implementation).
13 # Presumably it has everything to do with AMD cache architecture and
14 # RAW or whatever penalties. Once again! The module *requires* config
15 # line *without* RC4_CHAR! As for coding "secret," I bet on partial
16 # register arithmetics. For example instead of 'inc %r8; and $255,%r8'
17 # I simply 'inc %r8b'. Even though optimization manual discourages
18 # to operate on partial registers, it turned out to be the best bet.
19 # At least for AMD... How IA32E would perform remains to be seen...
20
21 # As was shown by Marc Bevand reordering of couple of load operations
22 # results in even higher performance gain of 3.3x:-) At least on
23 # Opteron... For reference, 1x in this case is RC4_CHAR C-code
24 # compiled with gcc 3.3.2, which performs at ~54MBps per 1GHz clock.
25 # Latter means that if you want to *estimate* what to expect from
26 # *your* Opteron, then multiply 54 by 3.3 and clock frequency in GHz.
27
28 # Intel P4 EM64T core was found to run the AMD64 code really slow...
29 # The only way to achieve comparable performance on P4 was to keep
30 # RC4_CHAR. Kind of ironic, huh? As it's apparently impossible to
31 # compose blended code, which would perform even within 30% marginal
32 # on either AMD and Intel platforms, I implement both cases. See
33 # rc4_skey.c for further details...
34
35 # P4 EM64T core appears to be "allergic" to 64-bit inc/dec. Replacing 
36 # those with add/sub results in 50% performance improvement of folded
37 # loop...
38
39 # As was shown by Zou Nanhai loop unrolling can improve Intel EM64T
40 # performance by >30% [unlike P4 32-bit case that is]. But this is
41 # provided that loads are reordered even more aggressively! Both code
42 # pathes, AMD64 and EM64T, reorder loads in essentially same manner
43 # as my IA-64 implementation. On Opteron this resulted in modest 5%
44 # improvement [I had to test it], while final Intel P4 performance
45 # achieves respectful 432MBps on 2.8GHz processor now. For reference.
46 # If executed on Xeon, current RC4_CHAR code-path is 2.7x faster than
47 # RC4_INT code-path. While if executed on Opteron, it's only 25%
48 # slower than the RC4_INT one [meaning that if CPU ยต-arch detection
49 # is not implemented, then this final RC4_CHAR code-path should be
50 # preferred, as it provides better *all-round* performance].
51
52 $output=shift;
53 open STDOUT,"| $^X ../perlasm/x86_64-xlate.pl $output";
54
55 $dat="%rdi";        # arg1
56 $len="%rsi";        # arg2
57 $inp="%rdx";        # arg3
58 $out="%rcx";        # arg4
59
60 @XX=("%r8","%r10");
61 @TX=("%r9","%r11");
62 $YY="%r12";
63 $TY="%r13";
64
65 $code=<<___;
66 .text
67
68 .globl  RC4
69 .type   RC4,\@function,4
70 .align  16
71 RC4:    or      $len,$len
72         jne     .Lentry
73         ret
74 .Lentry:
75         push    %r12
76         push    %r13
77
78         add     \$8,$dat
79         movl    -8($dat),$XX[0]#d
80         movl    -4($dat),$YY#d
81         cmpl    \$-1,256($dat)
82         je      .LRC4_CHAR
83         inc     $XX[0]#b
84         movl    ($dat,$XX[0],4),$TX[0]#d
85         test    \$-8,$len
86         jz      .Lloop1
87         jmp     .Lloop8
88 .align  16
89 .Lloop8:
90 ___
91 for ($i=0;$i<8;$i++) {
92 $code.=<<___;
93         add     $TX[0]#b,$YY#b
94         mov     $XX[0],$XX[1]
95         movl    ($dat,$YY,4),$TY#d
96         ror     \$8,%rax                        # ror is redundant when $i=0
97         inc     $XX[1]#b
98         movl    ($dat,$XX[1],4),$TX[1]#d
99         cmp     $XX[1],$YY
100         movl    $TX[0]#d,($dat,$YY,4)
101         cmove   $TX[0],$TX[1]
102         movl    $TY#d,($dat,$XX[0],4)
103         add     $TX[0]#b,$TY#b
104         movb    ($dat,$TY,4),%al
105 ___
106 push(@TX,shift(@TX)); push(@XX,shift(@XX));     # "rotate" registers
107 }
108 $code.=<<___;
109         ror     \$8,%rax
110         sub     \$8,$len
111
112         xor     ($inp),%rax
113         add     \$8,$inp
114         mov     %rax,($out)
115         add     \$8,$out
116
117         test    \$-8,$len
118         jnz     .Lloop8
119         cmp     \$0,$len
120         jne     .Lloop1
121 ___
122 $code.=<<___;
123 .Lexit:
124         sub     \$1,$XX[0]#b
125         movl    $XX[0]#d,-8($dat)
126         movl    $YY#d,-4($dat)
127
128         pop     %r13
129         pop     %r12
130         ret
131 .align  16
132 .Lloop1:
133         add     $TX[0]#b,$YY#b
134         movl    ($dat,$YY,4),$TY#d
135         movl    $TX[0]#d,($dat,$YY,4)
136         movl    $TY#d,($dat,$XX[0],4)
137         add     $TY#b,$TX[0]#b
138         inc     $XX[0]#b
139         movl    ($dat,$TX[0],4),$TY#d
140         movl    ($dat,$XX[0],4),$TX[0]#d
141         xorb    ($inp),$TY#b
142         inc     $inp
143         movb    $TY#b,($out)
144         inc     $out
145         dec     $len
146         jnz     .Lloop1
147         jmp     .Lexit
148
149 .align  16
150 .LRC4_CHAR:
151         add     \$1,$XX[0]#b
152         movzb   ($dat,$XX[0]),$TX[0]#d
153         test    \$-8,$len
154         jz      .Lcloop1
155         push    %rbx
156         jmp     .Lcloop8
157 .align  16
158 .Lcloop8:
159         mov     ($inp),%eax
160         mov     4($inp),%ebx
161 ___
162 # unroll 2x4-wise, because 64-bit rotates kill Intel P4...
163 for ($i=0;$i<4;$i++) {
164 $code.=<<___;
165         add     $TX[0]#b,$YY#b
166         lea     1($XX[0]),$XX[1]
167         movzb   ($dat,$YY),$TY#d
168         movzb   $XX[1]#b,$XX[1]#d
169         movzb   ($dat,$XX[1]),$TX[1]#d
170         movb    $TX[0]#b,($dat,$YY)
171         cmp     $XX[1],$YY
172         movb    $TY#b,($dat,$XX[0])
173         jne     .Lcmov$i                        # Intel cmov is sloooow...
174         mov     $TX[0],$TX[1]
175 .Lcmov$i:
176         add     $TX[0]#b,$TY#b
177         xor     ($dat,$TY),%al
178         ror     \$8,%eax
179 ___
180 push(@TX,shift(@TX)); push(@XX,shift(@XX));     # "rotate" registers
181 }
182 for ($i=4;$i<8;$i++) {
183 $code.=<<___;
184         add     $TX[0]#b,$YY#b
185         lea     1($XX[0]),$XX[1]
186         movzb   ($dat,$YY),$TY#d
187         movzb   $XX[1]#b,$XX[1]#d
188         movzb   ($dat,$XX[1]),$TX[1]#d
189         movb    $TX[0]#b,($dat,$YY)
190         cmp     $XX[1],$YY
191         movb    $TY#b,($dat,$XX[0])
192         jne     .Lcmov$i                        # Intel cmov is sloooow...
193         mov     $TX[0],$TX[1]
194 .Lcmov$i:
195         add     $TX[0]#b,$TY#b
196         xor     ($dat,$TY),%bl
197         ror     \$8,%ebx
198 ___
199 push(@TX,shift(@TX)); push(@XX,shift(@XX));     # "rotate" registers
200 }
201 $code.=<<___;
202         lea     -8($len),$len
203         mov     %eax,($out)
204         lea     8($inp),$inp
205         mov     %ebx,4($out)
206         lea     8($out),$out
207
208         test    \$-8,$len
209         jnz     .Lcloop8
210         pop     %rbx
211         cmp     \$0,$len
212         jne     .Lcloop1
213         jmp     .Lexit
214 ___
215 $code.=<<___;
216 .align  16
217 .Lcloop1:
218         add     $TX[0]#b,$YY#b
219         movzb   ($dat,$YY),$TY#d
220         movb    $TX[0]#b,($dat,$YY)
221         movb    $TY#b,($dat,$XX[0])
222         add     $TX[0]#b,$TY#b
223         add     \$1,$XX[0]#b
224         movzb   ($dat,$TY),$TY#d
225         movzb   ($dat,$XX[0]),$TX[0]#d
226         xorb    ($inp),$TY#b
227         lea     1($inp),$inp
228         movb    $TY#b,($out)
229         lea     1($out),$out
230         sub     \$1,$len
231         jnz     .Lcloop1
232         jmp     .Lexit
233 .size   RC4,.-RC4
234 ___
235
236 $code =~ s/#([bwd])/$1/gm;
237
238 print $code;
239
240 close STDOUT;