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 slower than the RC4_INT one [meaning that if detecting CPU
  49 # is not desired, then RC4_CHAR code-path should be preferred, as it
  50 # 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]
 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;