17b84c8bfe873959feef1926cb9e3f3565f79fd2
[openssl.git] / crypto / sha / asm / sha1-586.pl
1 #!/usr/bin/env perl
2
3 # ====================================================================
4 # [Re]written by Andy Polyakov <appro@openssl.org> for the OpenSSL
5 # project. The module is, however, dual licensed under OpenSSL and
6 # CRYPTOGAMS licenses depending on where you obtain it. For further
7 # details see http://www.openssl.org/~appro/cryptogams/.
8 # ====================================================================
9
10 # "[Re]written" was achieved in two major overhauls. In 2004 BODY_*
11 # functions were re-implemented to address P4 performance issue [see
12 # commentary below], and in 2006 the rest was rewritten in order to
13 # gain freedom to liberate licensing terms.
14
15 # January, September 2004.
16 #
17 # It was noted that Intel IA-32 C compiler generates code which
18 # performs ~30% *faster* on P4 CPU than original *hand-coded*
19 # SHA1 assembler implementation. To address this problem (and
20 # prove that humans are still better than machines:-), the
21 # original code was overhauled, which resulted in following
22 # performance changes:
23 #
24 #               compared with original  compared with Intel cc
25 #               assembler impl.         generated code
26 # Pentium       -16%                    +48%
27 # PIII/AMD      +8%                     +16%
28 # P4            +85%(!)                 +45%
29 #
30 # As you can see Pentium came out as looser:-( Yet I reckoned that
31 # improvement on P4 outweights the loss and incorporate this
32 # re-tuned code to 0.9.7 and later.
33 # ----------------------------------------------------------------
34 #                                       <appro@fy.chalmers.se>
35
36 # August 2009.
37 #
38 # George Spelvin has tipped that F_40_59(b,c,d) can be rewritten as
39 # '(c&d) + (b&(c^d))', which allows to accumulate partial results
40 # and lighten "pressure" on scratch registers. This resulted in
41 # >12% performance improvement on contemporary AMD cores (with no
42 # degradation on other CPUs:-). Also, the code was revised to maximize
43 # "distance" between instructions producing input to 'lea' instruction
44 # and the 'lea' instruction itself, which is essential for Intel Atom
45 # core and resulted in ~15% improvement.
46
47 # October 2010.
48 #
49 # Add SSSE3, Supplemental[!] SSE3, implementation. The idea behind it
50 # is to offload message schedule denoted by Wt in NIST specification,
51 # or Xupdate in OpenSSL source, to SIMD unit. The idea is not novel,
52 # and in SSE2 context was first explored by Dean Gaudet in 2004, see
53 # http://arctic.org/~dean/crypto/sha1.html. Since then several things
54 # have changed that made it interesting again:
55 #
56 # a) XMM units became faster and wider;
57 # b) instruction set became more versatile;
58 # c) an important observation was made by Max Locktykhin, which made
59 #    it possible to reduce amount of instructions required to perform
60 #    the operation in question, for further details see
61 #    http://software.intel.com/en-us/articles/improving-the-performance-of-the-secure-hash-algorithm-1/.
62
63 # April 2011.
64 #
65 # Add AVX code path, probably most controversial... The thing is that
66 # switch to AVX alone improves performance by as little as 4% in
67 # comparison to SSSE3 code path. But below result doesn't look like
68 # 4% improvement... Trouble is that Sandy Bridge decodes 'ro[rl]' as
69 # pair of µ-ops, and it's the additional µ-ops, two per round, that
70 # make it run slower than Core2 and Westmere. But 'sh[rl]d' is decoded
71 # as single µ-op by Sandy Bridge and it's replacing 'ro[rl]' with
72 # equivalent 'sh[rl]d' that is responsible for the impressive 5.1
73 # cycles per processed byte. But 'sh[rl]d' is not something that used
74 # to be fast, nor does it appear to be fast in upcoming Bulldozer
75 # [according to its optimization manual]. Which is why AVX code path
76 # is guarded by *both* AVX and synthetic bit denoting Intel CPUs.
77 # One can argue that it's unfair to AMD, but without 'sh[rl]d' it
78 # makes no sense to keep the AVX code path. If somebody feels that
79 # strongly, it's probably more appropriate to discuss possibility of
80 # using vector rotate XOP on AMD...
81
82 ######################################################################
83 # Current performance is summarized in following table. Numbers are
84 # CPU clock cycles spent to process single byte (less is better).
85 #
86 #               x86             SSSE3           AVX
87 # Pentium       15.7            -
88 # PIII          11.5            -
89 # P4            10.6            -
90 # AMD K8        7.1             -
91 # Core2         7.3             6.0/+22%        -
92 # Atom          12.5            9.3(*)/+35%     -
93 # Westmere      7.3             5.5/+33%        -
94 # Sandy Bridge  8.8             6.2/+40%        5.1(**)/+73%
95 # Ivy Bridge    7.2             4.8/+51%        4.7(**)/+53%
96 # Haswell       6.5             4.3/+51%        4.1(**)/+58%
97 # Bulldozer     11.6            6.0/+92%
98 # VIA Nano      10.6            7.5/+41%
99 #
100 # (*)   Loop is 1056 instructions long and expected result is ~8.25.
101 #       It remains mystery [to me] why ILP is limited to 1.7.
102 #
103 # (**)  As per above comment, the result is for AVX *plus* sh[rl]d.
104
105 $0 =~ m/(.*[\/\\])[^\/\\]+$/; $dir=$1;
106 push(@INC,"${dir}","${dir}../../perlasm");
107 require "x86asm.pl";
108
109 &asm_init($ARGV[0],"sha1-586.pl",$ARGV[$#ARGV] eq "386");
110
111 $xmm=$ymm=0;
112 for (@ARGV) { $xmm=1 if (/-DOPENSSL_IA32_SSE2/); }
113
114 $ymm=1 if ($xmm &&
115                 `$ENV{CC} -Wa,-v -c -o /dev/null -x assembler /dev/null 2>&1`
116                         =~ /GNU assembler version ([2-9]\.[0-9]+)/ &&
117                 $1>=2.19);      # first version supporting AVX
118
119 $ymm=1 if ($xmm && !$ymm && $ARGV[0] eq "win32n" && 
120                 `nasm -v 2>&1` =~ /NASM version ([2-9]\.[0-9]+)/ &&
121                 $1>=2.03);      # first version supporting AVX
122
123 $ymm=1 if ($xmm && !$ymm && $ARGV[0] eq "win32" &&
124                 `ml 2>&1` =~ /Version ([0-9]+)\./ &&
125                 $1>=10);        # first version supporting AVX
126
127 &external_label("OPENSSL_ia32cap_P") if ($xmm);
128
129
130 $A="eax";
131 $B="ebx";
132 $C="ecx";
133 $D="edx";
134 $E="edi";
135 $T="esi";
136 $tmp1="ebp";
137
138 @V=($A,$B,$C,$D,$E,$T);
139
140 $alt=0; # 1 denotes alternative IALU implementation, which performs
141         # 8% *worse* on P4, same on Westmere and Atom, 2% better on
142         # Sandy Bridge...
143
144 sub BODY_00_15
145         {
146         local($n,$a,$b,$c,$d,$e,$f)=@_;
147
148         &comment("00_15 $n");
149
150         &mov($f,$c);                    # f to hold F_00_19(b,c,d)
151          if ($n==0)  { &mov($tmp1,$a); }
152          else        { &mov($a,$tmp1); }
153         &rotl($tmp1,5);                 # tmp1=ROTATE(a,5)
154          &xor($f,$d);
155         &add($tmp1,$e);                 # tmp1+=e;
156          &mov($e,&swtmp($n%16));        # e becomes volatile and is loaded
157                                         # with xi, also note that e becomes
158                                         # f in next round...
159         &and($f,$b);
160         &rotr($b,2);                    # b=ROTATE(b,30)
161          &xor($f,$d);                   # f holds F_00_19(b,c,d)
162         &lea($tmp1,&DWP(0x5a827999,$tmp1,$e));  # tmp1+=K_00_19+xi
163
164         if ($n==15) { &mov($e,&swtmp(($n+1)%16));# pre-fetch f for next round
165                       &add($f,$tmp1); } # f+=tmp1
166         else        { &add($tmp1,$f); } # f becomes a in next round
167         &mov($tmp1,$a)                  if ($alt && $n==15);
168         }
169
170 sub BODY_16_19
171         {
172         local($n,$a,$b,$c,$d,$e,$f)=@_;
173
174         &comment("16_19 $n");
175
176 if ($alt) {
177         &xor($c,$d);
178          &xor($f,&swtmp(($n+2)%16));    # f to hold Xupdate(xi,xa,xb,xc,xd)
179         &and($tmp1,$c);                 # tmp1 to hold F_00_19(b,c,d), b&=c^d
180          &xor($f,&swtmp(($n+8)%16));
181         &xor($tmp1,$d);                 # tmp1=F_00_19(b,c,d)
182          &xor($f,&swtmp(($n+13)%16));   # f holds xa^xb^xc^xd
183         &rotl($f,1);                    # f=ROTATE(f,1)
184          &add($e,$tmp1);                # e+=F_00_19(b,c,d)
185         &xor($c,$d);                    # restore $c
186          &mov($tmp1,$a);                # b in next round
187         &rotr($b,$n==16?2:7);           # b=ROTATE(b,30)
188          &mov(&swtmp($n%16),$f);        # xi=f
189         &rotl($a,5);                    # ROTATE(a,5)
190          &lea($f,&DWP(0x5a827999,$f,$e));# f+=F_00_19(b,c,d)+e
191         &mov($e,&swtmp(($n+1)%16));     # pre-fetch f for next round
192          &add($f,$a);                   # f+=ROTATE(a,5)
193 } else {
194         &mov($tmp1,$c);                 # tmp1 to hold F_00_19(b,c,d)
195          &xor($f,&swtmp(($n+2)%16));    # f to hold Xupdate(xi,xa,xb,xc,xd)
196         &xor($tmp1,$d);
197          &xor($f,&swtmp(($n+8)%16));
198         &and($tmp1,$b);
199          &xor($f,&swtmp(($n+13)%16));   # f holds xa^xb^xc^xd
200         &rotl($f,1);                    # f=ROTATE(f,1)
201          &xor($tmp1,$d);                # tmp1=F_00_19(b,c,d)
202         &add($e,$tmp1);                 # e+=F_00_19(b,c,d)
203          &mov($tmp1,$a);
204         &rotr($b,2);                    # b=ROTATE(b,30)
205          &mov(&swtmp($n%16),$f);        # xi=f
206         &rotl($tmp1,5);                 # ROTATE(a,5)
207          &lea($f,&DWP(0x5a827999,$f,$e));# f+=F_00_19(b,c,d)+e
208         &mov($e,&swtmp(($n+1)%16));     # pre-fetch f for next round
209          &add($f,$tmp1);                # f+=ROTATE(a,5)
210 }
211         }
212
213 sub BODY_20_39
214         {
215         local($n,$a,$b,$c,$d,$e,$f)=@_;
216         local $K=($n<40)?0x6ed9eba1:0xca62c1d6;
217
218         &comment("20_39 $n");
219
220 if ($alt) {
221         &xor($tmp1,$c);                 # tmp1 to hold F_20_39(b,c,d), b^=c
222          &xor($f,&swtmp(($n+2)%16));    # f to hold Xupdate(xi,xa,xb,xc,xd)
223         &xor($tmp1,$d);                 # tmp1 holds F_20_39(b,c,d)
224          &xor($f,&swtmp(($n+8)%16));
225         &add($e,$tmp1);                 # e+=F_20_39(b,c,d)
226          &xor($f,&swtmp(($n+13)%16));   # f holds xa^xb^xc^xd
227         &rotl($f,1);                    # f=ROTATE(f,1)
228          &mov($tmp1,$a);                # b in next round
229         &rotr($b,7);                    # b=ROTATE(b,30)
230          &mov(&swtmp($n%16),$f)         if($n<77);# xi=f
231         &rotl($a,5);                    # ROTATE(a,5)
232          &xor($b,$c)                    if($n==39);# warm up for BODY_40_59
233         &and($tmp1,$b)                  if($n==39);
234          &lea($f,&DWP($K,$f,$e));       # f+=e+K_XX_YY
235         &mov($e,&swtmp(($n+1)%16))      if($n<79);# pre-fetch f for next round
236          &add($f,$a);                   # f+=ROTATE(a,5)
237         &rotr($a,5)                     if ($n==79);
238 } else {
239         &mov($tmp1,$b);                 # tmp1 to hold F_20_39(b,c,d)
240          &xor($f,&swtmp(($n+2)%16));    # f to hold Xupdate(xi,xa,xb,xc,xd)
241         &xor($tmp1,$c);
242          &xor($f,&swtmp(($n+8)%16));
243         &xor($tmp1,$d);                 # tmp1 holds F_20_39(b,c,d)
244          &xor($f,&swtmp(($n+13)%16));   # f holds xa^xb^xc^xd
245         &rotl($f,1);                    # f=ROTATE(f,1)
246          &add($e,$tmp1);                # e+=F_20_39(b,c,d)
247         &rotr($b,2);                    # b=ROTATE(b,30)
248          &mov($tmp1,$a);
249         &rotl($tmp1,5);                 # ROTATE(a,5)
250          &mov(&swtmp($n%16),$f) if($n<77);# xi=f
251         &lea($f,&DWP($K,$f,$e));        # f+=e+K_XX_YY
252          &mov($e,&swtmp(($n+1)%16)) if($n<79);# pre-fetch f for next round
253         &add($f,$tmp1);                 # f+=ROTATE(a,5)
254 }
255         }
256
257 sub BODY_40_59
258         {
259         local($n,$a,$b,$c,$d,$e,$f)=@_;
260
261         &comment("40_59 $n");
262
263 if ($alt) {
264         &add($e,$tmp1);                 # e+=b&(c^d)
265          &xor($f,&swtmp(($n+2)%16));    # f to hold Xupdate(xi,xa,xb,xc,xd)
266         &mov($tmp1,$d);
267          &xor($f,&swtmp(($n+8)%16));
268         &xor($c,$d);                    # restore $c
269          &xor($f,&swtmp(($n+13)%16));   # f holds xa^xb^xc^xd
270         &rotl($f,1);                    # f=ROTATE(f,1)
271          &and($tmp1,$c);
272         &rotr($b,7);                    # b=ROTATE(b,30)
273          &add($e,$tmp1);                # e+=c&d
274         &mov($tmp1,$a);                 # b in next round
275          &mov(&swtmp($n%16),$f);        # xi=f
276         &rotl($a,5);                    # ROTATE(a,5)
277          &xor($b,$c)                    if ($n<59);
278         &and($tmp1,$b)                  if ($n<59);# tmp1 to hold F_40_59(b,c,d)
279          &lea($f,&DWP(0x8f1bbcdc,$f,$e));# f+=K_40_59+e+(b&(c^d))
280         &mov($e,&swtmp(($n+1)%16));     # pre-fetch f for next round
281          &add($f,$a);                   # f+=ROTATE(a,5)
282 } else {
283         &mov($tmp1,$c);                 # tmp1 to hold F_40_59(b,c,d)
284          &xor($f,&swtmp(($n+2)%16));    # f to hold Xupdate(xi,xa,xb,xc,xd)
285         &xor($tmp1,$d);
286          &xor($f,&swtmp(($n+8)%16));
287         &and($tmp1,$b);
288          &xor($f,&swtmp(($n+13)%16));   # f holds xa^xb^xc^xd
289         &rotl($f,1);                    # f=ROTATE(f,1)
290          &add($tmp1,$e);                # b&(c^d)+=e
291         &rotr($b,2);                    # b=ROTATE(b,30)
292          &mov($e,$a);                   # e becomes volatile
293         &rotl($e,5);                    # ROTATE(a,5)
294          &mov(&swtmp($n%16),$f);        # xi=f
295         &lea($f,&DWP(0x8f1bbcdc,$f,$tmp1));# f+=K_40_59+e+(b&(c^d))
296          &mov($tmp1,$c);
297         &add($f,$e);                    # f+=ROTATE(a,5)
298          &and($tmp1,$d);
299         &mov($e,&swtmp(($n+1)%16));     # pre-fetch f for next round
300          &add($f,$tmp1);                # f+=c&d
301 }
302         }
303
304 &function_begin("sha1_block_data_order");
305 if ($xmm) {
306   &static_label("ssse3_shortcut");
307   &static_label("avx_shortcut")         if ($ymm);
308   &static_label("K_XX_XX");
309
310         &call   (&label("pic_point"));  # make it PIC!
311   &set_label("pic_point");
312         &blindpop($tmp1);
313         &picmeup($T,"OPENSSL_ia32cap_P",$tmp1,&label("pic_point"));
314         &lea    ($tmp1,&DWP(&label("K_XX_XX")."-".&label("pic_point"),$tmp1));
315
316         &mov    ($A,&DWP(0,$T));
317         &mov    ($D,&DWP(4,$T));
318         &test   ($D,1<<9);              # check SSSE3 bit
319         &jz     (&label("x86"));
320         &test   ($A,1<<24);             # check FXSR bit
321         &jz     (&label("x86"));
322         if ($ymm) {
323                 &and    ($D,1<<28);             # mask AVX bit
324                 &and    ($A,1<<30);             # mask "Intel CPU" bit
325                 &or     ($A,$D);
326                 &cmp    ($A,1<<28|1<<30);
327                 &je     (&label("avx_shortcut"));
328         }
329         &jmp    (&label("ssse3_shortcut"));
330   &set_label("x86",16);
331 }
332         &mov($tmp1,&wparam(0)); # SHA_CTX *c
333         &mov($T,&wparam(1));    # const void *input
334         &mov($A,&wparam(2));    # size_t num
335         &stack_push(16+3);      # allocate X[16]
336         &shl($A,6);
337         &add($A,$T);
338         &mov(&wparam(2),$A);    # pointer beyond the end of input
339         &mov($E,&DWP(16,$tmp1));# pre-load E
340         &jmp(&label("loop"));
341
342 &set_label("loop",16);
343
344         # copy input chunk to X, but reversing byte order!
345         for ($i=0; $i<16; $i+=4)
346                 {
347                 &mov($A,&DWP(4*($i+0),$T));
348                 &mov($B,&DWP(4*($i+1),$T));
349                 &mov($C,&DWP(4*($i+2),$T));
350                 &mov($D,&DWP(4*($i+3),$T));
351                 &bswap($A);
352                 &bswap($B);
353                 &bswap($C);
354                 &bswap($D);
355                 &mov(&swtmp($i+0),$A);
356                 &mov(&swtmp($i+1),$B);
357                 &mov(&swtmp($i+2),$C);
358                 &mov(&swtmp($i+3),$D);
359                 }
360         &mov(&wparam(1),$T);    # redundant in 1st spin
361
362         &mov($A,&DWP(0,$tmp1)); # load SHA_CTX
363         &mov($B,&DWP(4,$tmp1));
364         &mov($C,&DWP(8,$tmp1));
365         &mov($D,&DWP(12,$tmp1));
366         # E is pre-loaded
367
368         for($i=0;$i<16;$i++)    { &BODY_00_15($i,@V); unshift(@V,pop(@V)); }
369         for(;$i<20;$i++)        { &BODY_16_19($i,@V); unshift(@V,pop(@V)); }
370         for(;$i<40;$i++)        { &BODY_20_39($i,@V); unshift(@V,pop(@V)); }
371         for(;$i<60;$i++)        { &BODY_40_59($i,@V); unshift(@V,pop(@V)); }
372         for(;$i<80;$i++)        { &BODY_20_39($i,@V); unshift(@V,pop(@V)); }
373
374         (($V[5] eq $D) and ($V[0] eq $E)) or die;       # double-check
375
376         &mov($tmp1,&wparam(0)); # re-load SHA_CTX*
377         &mov($D,&wparam(1));    # D is last "T" and is discarded
378
379         &add($E,&DWP(0,$tmp1)); # E is last "A"...
380         &add($T,&DWP(4,$tmp1));
381         &add($A,&DWP(8,$tmp1));
382         &add($B,&DWP(12,$tmp1));
383         &add($C,&DWP(16,$tmp1));
384
385         &mov(&DWP(0,$tmp1),$E); # update SHA_CTX
386          &add($D,64);           # advance input pointer
387         &mov(&DWP(4,$tmp1),$T);
388          &cmp($D,&wparam(2));   # have we reached the end yet?
389         &mov(&DWP(8,$tmp1),$A);
390          &mov($E,$C);           # C is last "E" which needs to be "pre-loaded"
391         &mov(&DWP(12,$tmp1),$B);
392          &mov($T,$D);           # input pointer
393         &mov(&DWP(16,$tmp1),$C);
394         &jb(&label("loop"));
395
396         &stack_pop(16+3);
397 &function_end("sha1_block_data_order");
398
399 if ($xmm) {
400 ######################################################################
401 # The SSSE3 implementation.
402 #
403 # %xmm[0-7] are used as ring @X[] buffer containing quadruples of last
404 # 32 elements of the message schedule or Xupdate outputs. First 4
405 # quadruples are simply byte-swapped input, next 4 are calculated
406 # according to method originally suggested by Dean Gaudet (modulo
407 # being implemented in SSSE3). Once 8 quadruples or 32 elements are
408 # collected, it switches to routine proposed by Max Locktyukhin.
409 #
410 # Calculations inevitably require temporary reqisters, and there are
411 # no %xmm registers left to spare. For this reason part of the ring
412 # buffer, X[2..4] to be specific, is offloaded to 3 quadriples ring
413 # buffer on the stack. Keep in mind that X[2] is alias X[-6], X[3] -
414 # X[-5], and X[4] - X[-4]...
415 #
416 # Another notable optimization is aggressive stack frame compression
417 # aiming to minimize amount of 9-byte instructions...
418 #
419 # Yet another notable optimization is "jumping" $B variable. It means
420 # that there is no register permanently allocated for $B value. This
421 # allowed to eliminate one instruction from body_20_39...
422 #
423 my $Xi=4;                       # 4xSIMD Xupdate round, start pre-seeded
424 my @X=map("xmm$_",(4..7,0..3)); # pre-seeded for $Xi=4
425 my @V=($A,$B,$C,$D,$E);
426 my $j=0;                        # hash round
427 my $rx=0;
428 my @T=($T,$tmp1);
429 my $inp;
430
431 my $_rol=sub { &rol(@_) };
432 my $_ror=sub { &ror(@_) };
433
434 &function_begin("_sha1_block_data_order_ssse3");
435         &call   (&label("pic_point"));  # make it PIC!
436         &set_label("pic_point");
437         &blindpop($tmp1);
438         &lea    ($tmp1,&DWP(&label("K_XX_XX")."-".&label("pic_point"),$tmp1));
439 &set_label("ssse3_shortcut");
440
441         &movdqa (@X[3],&QWP(0,$tmp1));          # K_00_19
442         &movdqa (@X[4],&QWP(16,$tmp1));         # K_20_39
443         &movdqa (@X[5],&QWP(32,$tmp1));         # K_40_59
444         &movdqa (@X[6],&QWP(48,$tmp1));         # K_60_79
445         &movdqa (@X[2],&QWP(64,$tmp1));         # pbswap mask
446
447         &mov    ($E,&wparam(0));                # load argument block
448         &mov    ($inp=@T[1],&wparam(1));
449         &mov    ($D,&wparam(2));
450         &mov    (@T[0],"esp");
451
452         # stack frame layout
453         #
454         # +0    X[0]+K  X[1]+K  X[2]+K  X[3]+K  # XMM->IALU xfer area
455         #       X[4]+K  X[5]+K  X[6]+K  X[7]+K
456         #       X[8]+K  X[9]+K  X[10]+K X[11]+K
457         #       X[12]+K X[13]+K X[14]+K X[15]+K
458         #
459         # +64   X[0]    X[1]    X[2]    X[3]    # XMM->XMM backtrace area
460         #       X[4]    X[5]    X[6]    X[7]
461         #       X[8]    X[9]    X[10]   X[11]   # even borrowed for K_00_19
462         #
463         # +112  K_20_39 K_20_39 K_20_39 K_20_39 # constants
464         #       K_40_59 K_40_59 K_40_59 K_40_59
465         #       K_60_79 K_60_79 K_60_79 K_60_79
466         #       K_00_19 K_00_19 K_00_19 K_00_19
467         #       pbswap mask
468         #
469         # +192  ctx                             # argument block
470         # +196  inp
471         # +200  end
472         # +204  esp
473         &sub    ("esp",208);
474         &and    ("esp",-64);
475
476         &movdqa (&QWP(112+0,"esp"),@X[4]);      # copy constants
477         &movdqa (&QWP(112+16,"esp"),@X[5]);
478         &movdqa (&QWP(112+32,"esp"),@X[6]);
479         &shl    ($D,6);                         # len*64
480         &movdqa (&QWP(112+48,"esp"),@X[3]);
481         &add    ($D,$inp);                      # end of input
482         &movdqa (&QWP(112+64,"esp"),@X[2]);
483         &add    ($inp,64);
484         &mov    (&DWP(192+0,"esp"),$E);         # save argument block
485         &mov    (&DWP(192+4,"esp"),$inp);
486         &mov    (&DWP(192+8,"esp"),$D);
487         &mov    (&DWP(192+12,"esp"),@T[0]);     # save original %esp
488
489         &mov    ($A,&DWP(0,$E));                # load context
490         &mov    ($B,&DWP(4,$E));
491         &mov    ($C,&DWP(8,$E));
492         &mov    ($D,&DWP(12,$E));
493         &mov    ($E,&DWP(16,$E));
494         &mov    (@T[0],$B);                     # magic seed
495
496         &movdqu (@X[-4&7],&QWP(-64,$inp));      # load input to %xmm[0-3]
497         &movdqu (@X[-3&7],&QWP(-48,$inp));
498         &movdqu (@X[-2&7],&QWP(-32,$inp));
499         &movdqu (@X[-1&7],&QWP(-16,$inp));
500         &pshufb (@X[-4&7],@X[2]);               # byte swap
501         &pshufb (@X[-3&7],@X[2]);
502         &pshufb (@X[-2&7],@X[2]);
503         &movdqa (&QWP(112-16,"esp"),@X[3]);     # borrow last backtrace slot
504         &pshufb (@X[-1&7],@X[2]);
505         &paddd  (@X[-4&7],@X[3]);               # add K_00_19
506         &paddd  (@X[-3&7],@X[3]);
507         &paddd  (@X[-2&7],@X[3]);
508         &movdqa (&QWP(0,"esp"),@X[-4&7]);       # X[]+K xfer to IALU
509         &psubd  (@X[-4&7],@X[3]);               # restore X[]
510         &movdqa (&QWP(0+16,"esp"),@X[-3&7]);
511         &psubd  (@X[-3&7],@X[3]);
512         &movdqa (&QWP(0+32,"esp"),@X[-2&7]);
513         &mov    (@T[1],$C);
514         &psubd  (@X[-2&7],@X[3]);
515         &xor    (@T[1],$D);
516         &pshufd (@X[0],@X[-4&7],0xee);          # was &movdqa   (@X[0],@X[-3&7]);
517         &and    (@T[0],@T[1]);
518         &jmp    (&label("loop"));
519
520 ######################################################################
521 # SSE instruction sequence is first broken to groups of indepentent
522 # instructions, independent in respect to their inputs and shifter
523 # (not all architectures have more than one). Then IALU instructions
524 # are "knitted in" between the SSE groups. Distance is maintained for
525 # SSE latency of 2 in hope that it fits better upcoming AMD Bulldozer
526 # [which allegedly also implements SSSE3]...
527 #
528 # Temporary registers usage. X[2] is volatile at the entry and at the
529 # end is restored from backtrace ring buffer. X[3] is expected to
530 # contain current K_XX_XX constant and is used to caclulate X[-1]+K
531 # from previous round, it becomes volatile the moment the value is
532 # saved to stack for transfer to IALU. X[4] becomes volatile whenever
533 # X[-4] is accumulated and offloaded to backtrace ring buffer, at the
534 # end it is loaded with next K_XX_XX [which becomes X[3] in next
535 # round]...
536 #
537 sub Xupdate_ssse3_16_31()               # recall that $Xi starts wtih 4
538 { use integer;
539   my $body = shift;
540   my @insns = (&$body,&$body,&$body,&$body);    # 40 instructions
541   my ($a,$b,$c,$d,$e);
542
543          eval(shift(@insns));           # ror
544          eval(shift(@insns));
545          eval(shift(@insns));
546         &punpcklqdq(@X[0],@X[-3&7]);    # compose "X[-14]" in "X[0]", was &palignr(@X[0],@X[-4&7],8);
547         &movdqa (@X[2],@X[-1&7]);
548          eval(shift(@insns));
549          eval(shift(@insns));
550
551           &paddd        (@X[3],@X[-1&7]);
552           &movdqa       (&QWP(64+16*(($Xi-4)%3),"esp"),@X[-4&7]);# save X[] to backtrace buffer
553          eval(shift(@insns));           # rol
554          eval(shift(@insns));
555         &psrldq (@X[2],4);              # "X[-3]", 3 dwords
556          eval(shift(@insns));
557          eval(shift(@insns));
558         &pxor   (@X[0],@X[-4&7]);       # "X[0]"^="X[-16]"
559          eval(shift(@insns));
560          eval(shift(@insns));           # ror
561
562         &pxor   (@X[2],@X[-2&7]);       # "X[-3]"^"X[-8]"
563          eval(shift(@insns));
564          eval(shift(@insns));
565          eval(shift(@insns));
566
567         &pxor   (@X[0],@X[2]);          # "X[0]"^="X[-3]"^"X[-8]"
568          eval(shift(@insns));
569          eval(shift(@insns));           # rol
570           &movdqa       (&QWP(0+16*(($Xi-1)&3),"esp"),@X[3]);   # X[]+K xfer to IALU
571          eval(shift(@insns));
572          eval(shift(@insns));
573
574         &movdqa (@X[4],@X[0]);
575          eval(shift(@insns));
576          eval(shift(@insns));
577          eval(shift(@insns));           # ror
578         &movdqa (@X[2],@X[0]);
579          eval(shift(@insns));
580
581         &pslldq (@X[4],12);             # "X[0]"<<96, extract one dword
582         &paddd  (@X[0],@X[0]);
583          eval(shift(@insns));
584          eval(shift(@insns));
585
586         &psrld  (@X[2],31);
587          eval(shift(@insns));
588          eval(shift(@insns));           # rol
589         &movdqa (@X[3],@X[4]);
590          eval(shift(@insns));
591          eval(shift(@insns));
592          eval(shift(@insns));
593
594         &psrld  (@X[4],30);
595          eval(shift(@insns));
596          eval(shift(@insns));           # ror
597         &por    (@X[0],@X[2]);          # "X[0]"<<<=1
598          eval(shift(@insns));
599           &movdqa       (@X[2],&QWP(64+16*(($Xi-6)%3),"esp")) if ($Xi>5);       # restore X[] from backtrace buffer
600          eval(shift(@insns));
601          eval(shift(@insns));
602
603         &pslld  (@X[3],2);
604          eval(shift(@insns));
605          eval(shift(@insns));           # rol
606         &pxor   (@X[0],@X[4]);
607           &movdqa       (@X[4],&QWP(112-16+16*(($Xi)/5),"esp"));        # K_XX_XX
608          eval(shift(@insns));
609          eval(shift(@insns));
610
611         &pxor   (@X[0],@X[3]);          # "X[0]"^=("X[0]"<<96)<<<2
612           &pshufd       (@X[1],@X[-3&7],0xee)   if ($Xi<7);     # was &movdqa   (@X[1],@X[-2&7])
613           &pshufd       (@X[3],@X[-1&7],0xee)   if ($Xi==7);
614          eval(shift(@insns));
615          eval(shift(@insns));
616
617          foreach (@insns) { eval; }     # remaining instructions [if any]
618
619   $Xi++;        push(@X,shift(@X));     # "rotate" X[]
620 }
621
622 sub Xupdate_ssse3_32_79()
623 { use integer;
624   my $body = shift;
625   my @insns = (&$body,&$body,&$body,&$body);    # 32 to 44 instructions
626   my ($a,$b,$c,$d,$e);
627
628          eval(shift(@insns));           # body_20_39
629         &pxor   (@X[0],@X[-4&7]);       # "X[0]"="X[-32]"^"X[-16]"
630         &punpcklqdq(@X[2],@X[-1&7]);    # compose "X[-6]", was &palignr(@X[2],@X[-2&7],8)
631          eval(shift(@insns));
632          eval(shift(@insns));
633          eval(shift(@insns));           # rol
634
635         &pxor   (@X[0],@X[-7&7]);       # "X[0]"^="X[-28]"
636           &movdqa       (&QWP(64+16*(($Xi-4)%3),"esp"),@X[-4&7]);       # save X[] to backtrace buffer
637          eval(shift(@insns));
638          eval(shift(@insns));
639          eval(shift(@insns))            if (@insns[0] =~ /_rol/);
640          if ($Xi%5) {
641           &movdqa       (@X[4],@X[3]);  # "perpetuate" K_XX_XX...
642          } else {                       # ... or load next one
643           &movdqa       (@X[4],&QWP(112-16+16*($Xi/5),"esp"));
644          }
645          eval(shift(@insns));           # ror
646           &paddd        (@X[3],@X[-1&7]);
647          eval(shift(@insns));
648
649         &pxor   (@X[0],@X[2]);          # "X[0]"^="X[-6]"
650          eval(shift(@insns));           # body_20_39
651          eval(shift(@insns));
652          eval(shift(@insns));
653          eval(shift(@insns));           # rol
654
655         &movdqa (@X[2],@X[0]);
656           &movdqa       (&QWP(0+16*(($Xi-1)&3),"esp"),@X[3]);   # X[]+K xfer to IALU
657          eval(shift(@insns));
658          eval(shift(@insns));
659          eval(shift(@insns));           # ror
660          eval(shift(@insns));
661          eval(shift(@insns))            if (@insns[0] =~ /_rol/);
662
663         &pslld  (@X[0],2);
664          eval(shift(@insns));           # body_20_39
665          eval(shift(@insns));
666         &psrld  (@X[2],30);
667          eval(shift(@insns));
668          eval(shift(@insns));           # rol
669          eval(shift(@insns));
670          eval(shift(@insns));
671          eval(shift(@insns));           # ror
672          eval(shift(@insns));
673          eval(shift(@insns))            if (@insns[1] =~ /_rol/);
674          eval(shift(@insns))            if (@insns[0] =~ /_rol/);
675
676         &por    (@X[0],@X[2]);          # "X[0]"<<<=2
677          eval(shift(@insns));           # body_20_39
678          eval(shift(@insns));
679           &movdqa       (@X[2],&QWP(64+16*(($Xi-6)%3),"esp")) if($Xi<19);       # restore X[] from backtrace buffer
680          eval(shift(@insns));
681          eval(shift(@insns));           # rol
682          eval(shift(@insns));
683          eval(shift(@insns));
684          eval(shift(@insns));           # ror
685           &pshufd       (@X[3],@X[-1],0xee)     if ($Xi<19);    # was &movdqa   (@X[3],@X[0])
686          eval(shift(@insns));
687
688          foreach (@insns) { eval; }     # remaining instructions
689
690   $Xi++;        push(@X,shift(@X));     # "rotate" X[]
691 }
692
693 sub Xuplast_ssse3_80()
694 { use integer;
695   my $body = shift;
696   my @insns = (&$body,&$body,&$body,&$body);    # 32 instructions
697   my ($a,$b,$c,$d,$e);
698
699          eval(shift(@insns));
700          eval(shift(@insns));
701          eval(shift(@insns));
702          eval(shift(@insns));
703          eval(shift(@insns));
704          eval(shift(@insns));
705          eval(shift(@insns));
706           &paddd        (@X[3],@X[-1&7]);
707          eval(shift(@insns));
708          eval(shift(@insns));
709          eval(shift(@insns));
710          eval(shift(@insns));
711
712           &movdqa       (&QWP(0+16*(($Xi-1)&3),"esp"),@X[3]);   # X[]+K xfer IALU
713
714          foreach (@insns) { eval; }             # remaining instructions
715
716         &mov    ($inp=@T[1],&DWP(192+4,"esp"));
717         &cmp    ($inp,&DWP(192+8,"esp"));
718         &je     (&label("done"));
719
720         &movdqa (@X[3],&QWP(112+48,"esp"));     # K_00_19
721         &movdqa (@X[2],&QWP(112+64,"esp"));     # pbswap mask
722         &movdqu (@X[-4&7],&QWP(0,$inp));        # load input
723         &movdqu (@X[-3&7],&QWP(16,$inp));
724         &movdqu (@X[-2&7],&QWP(32,$inp));
725         &movdqu (@X[-1&7],&QWP(48,$inp));
726         &add    ($inp,64);
727         &pshufb (@X[-4&7],@X[2]);               # byte swap
728         &mov    (&DWP(192+4,"esp"),$inp);
729         &movdqa (&QWP(112-16,"esp"),@X[3]);     # borrow last backtrace slot
730
731   $Xi=0;
732 }
733
734 sub Xloop_ssse3()
735 { use integer;
736   my $body = shift;
737   my @insns = (&$body,&$body,&$body,&$body);    # 32 instructions
738   my ($a,$b,$c,$d,$e);
739
740          eval(shift(@insns));
741          eval(shift(@insns));
742          eval(shift(@insns));
743          eval(shift(@insns));
744          eval(shift(@insns));
745          eval(shift(@insns));
746          eval(shift(@insns));
747         &pshufb (@X[($Xi-3)&7],@X[2]);
748          eval(shift(@insns));
749          eval(shift(@insns));
750          eval(shift(@insns));
751          eval(shift(@insns));
752         &paddd  (@X[($Xi-4)&7],@X[3]);
753          eval(shift(@insns));
754          eval(shift(@insns));
755          eval(shift(@insns));
756          eval(shift(@insns));
757         &movdqa (&QWP(0+16*$Xi,"esp"),@X[($Xi-4)&7]);   # X[]+K xfer to IALU
758          eval(shift(@insns));
759          eval(shift(@insns));
760          eval(shift(@insns));
761          eval(shift(@insns));
762         &psubd  (@X[($Xi-4)&7],@X[3]);
763
764         foreach (@insns) { eval; }
765   $Xi++;
766 }
767
768 sub Xtail_ssse3()
769 { use integer;
770   my $body = shift;
771   my @insns = (&$body,&$body,&$body,&$body);    # 32 instructions
772   my ($a,$b,$c,$d,$e);
773
774         foreach (@insns) { eval; }
775 }
776
777 sub body_00_19 () {     # ((c^d)&b)^d
778         # on start @T[0]=(c^d)&b
779         return &body_20_39()    if ($rx==19);   $rx++;
780         (
781         '($a,$b,$c,$d,$e)=@V;'.
782         '&$_ror ($b,$j?7:2);',  # $b>>>2
783         '&xor   (@T[0],$d);',
784         '&mov   (@T[1],$a);',   # $b in next round
785
786         '&add   ($e,&DWP(4*($j&15),"esp"));',   # X[]+K xfer
787         '&xor   ($b,$c);',      # $c^$d for next round
788
789         '&$_rol ($a,5);',
790         '&add   ($e,@T[0]);',
791         '&and   (@T[1],$b);',   # ($b&($c^$d)) for next round
792
793         '&xor   ($b,$c);',      # restore $b
794         '&add   ($e,$a);'       .'$j++; unshift(@V,pop(@V)); unshift(@T,pop(@T));'
795         );
796 }
797
798 sub body_20_39 () {     # b^d^c
799         # on entry @T[0]=b^d
800         return &body_40_59()    if ($rx==39);   $rx++;
801         (
802         '($a,$b,$c,$d,$e)=@V;'.
803         '&add   ($e,&DWP(4*($j&15),"esp"));',   # X[]+K xfer
804         '&xor   (@T[0],$d)      if($j==19);'.
805         '&xor   (@T[0],$c)      if($j> 19);',   # ($b^$d^$c)
806         '&mov   (@T[1],$a);',   # $b in next round
807
808         '&$_rol ($a,5);',
809         '&add   ($e,@T[0]);',
810         '&xor   (@T[1],$c)      if ($j< 79);',  # $b^$d for next round
811
812         '&$_ror ($b,7);',       # $b>>>2
813         '&add   ($e,$a);'       .'$j++; unshift(@V,pop(@V)); unshift(@T,pop(@T));'
814         );
815 }
816
817 sub body_40_59 () {     # ((b^c)&(c^d))^c
818         # on entry @T[0]=(b^c), (c^=d)
819         $rx++;
820         (
821         '($a,$b,$c,$d,$e)=@V;'.
822         '&add   ($e,&DWP(4*($j&15),"esp"));',   # X[]+K xfer
823         '&and   (@T[0],$c)      if ($j>=40);',  # (b^c)&(c^d)
824         '&xor   ($c,$d)         if ($j>=40);',  # restore $c
825
826         '&$_ror ($b,7);',       # $b>>>2
827         '&mov   (@T[1],$a);',   # $b for next round
828         '&xor   (@T[0],$c);',
829
830         '&$_rol ($a,5);',
831         '&add   ($e,@T[0]);',
832         '&xor   (@T[1],$c)      if ($j==59);'.
833         '&xor   (@T[1],$b)      if ($j< 59);',  # b^c for next round
834
835         '&xor   ($b,$c)         if ($j< 59);',  # c^d for next round
836         '&add   ($e,$a);'       .'$j++; unshift(@V,pop(@V)); unshift(@T,pop(@T));'
837         );
838 }
839 ######
840 sub bodyx_00_19 () {    # ((c^d)&b)^d
841         # on start @T[0]=(b&c)^(~b&d), $e+=X[]+K
842         return &bodyx_20_39()   if ($rx==19);   $rx++;
843         (
844         '($a,$b,$c,$d,$e)=@V;'.
845
846         '&rorx  ($b,$b,2)                       if ($j==0);'.   # $b>>>2
847         '&rorx  ($b,@T[1],7)                    if ($j!=0);',   # $b>>>2
848         '&lea   ($e,&DWP(0,$e,@T[0]));',
849         '&rorx  (@T[0],$a,5);',
850
851         '&andn  (@T[1],$a,$c);',
852         '&and   ($a,$b)',
853         '&add   ($d,&DWP(4*(($j+1)&15),"esp"));',       # X[]+K xfer
854
855         '&xor   (@T[1],$a)',
856         '&add   ($e,@T[0]);'    .'$j++; unshift(@V,pop(@V)); unshift(@T,pop(@T));'
857         );
858 }
859
860 sub bodyx_20_39 () {    # b^d^c
861         # on start $b=b^c^d
862         return &bodyx_40_59()   if ($rx==39);   $rx++;
863         (
864         '($a,$b,$c,$d,$e)=@V;'.
865
866         '&add   ($e,($j==19?@T[0]:$b))',
867         '&rorx  ($b,@T[1],7);', # $b>>>2
868         '&rorx  (@T[0],$a,5);',
869
870         '&xor   ($a,$b)                         if ($j<79);',
871         '&add   ($d,&DWP(4*(($j+1)&15),"esp"))  if ($j<79);',   # X[]+K xfer
872         '&xor   ($a,$c)                         if ($j<79);',
873         '&add   ($e,@T[0]);'    .'$j++; unshift(@V,pop(@V)); unshift(@T,pop(@T));'
874         );
875 }
876
877 sub bodyx_40_59 () {    # ((b^c)&(c^d))^c
878         # on start $b=((b^c)&(c^d))^c
879         return &bodyx_20_39()   if ($rx==59);   $rx++;
880         (
881         '($a,$b,$c,$d,$e)=@V;'.
882
883         '&rorx  (@T[0],$a,5)',
884         '&lea   ($e,&DWP(0,$e,$b))',
885         '&rorx  ($b,@T[1],7)',  # $b>>>2
886         '&add   ($d,&DWP(4*(($j+1)&15),"esp"))',        # X[]+K xfer
887
888         '&mov   (@T[1],$c)',
889         '&xor   ($a,$b)',       # b^c for next round
890         '&xor   (@T[1],$b)',    # c^d for next round
891
892         '&and   ($a,@T[1])',
893         '&add   ($e,@T[0])',
894         '&xor   ($a,$b)'        .'$j++; unshift(@V,pop(@V)); unshift(@T,pop(@T));'
895         );
896 }
897
898 &set_label("loop",16);
899         &Xupdate_ssse3_16_31(\&body_00_19);
900         &Xupdate_ssse3_16_31(\&body_00_19);
901         &Xupdate_ssse3_16_31(\&body_00_19);
902         &Xupdate_ssse3_16_31(\&body_00_19);
903         &Xupdate_ssse3_32_79(\&body_00_19);
904         &Xupdate_ssse3_32_79(\&body_20_39);
905         &Xupdate_ssse3_32_79(\&body_20_39);
906         &Xupdate_ssse3_32_79(\&body_20_39);
907         &Xupdate_ssse3_32_79(\&body_20_39);
908         &Xupdate_ssse3_32_79(\&body_20_39);
909         &Xupdate_ssse3_32_79(\&body_40_59);
910         &Xupdate_ssse3_32_79(\&body_40_59);
911         &Xupdate_ssse3_32_79(\&body_40_59);
912         &Xupdate_ssse3_32_79(\&body_40_59);
913         &Xupdate_ssse3_32_79(\&body_40_59);
914         &Xupdate_ssse3_32_79(\&body_20_39);
915         &Xuplast_ssse3_80(\&body_20_39);        # can jump to "done"
916
917                                 $saved_j=$j; @saved_V=@V;
918
919         &Xloop_ssse3(\&body_20_39);
920         &Xloop_ssse3(\&body_20_39);
921         &Xloop_ssse3(\&body_20_39);
922
923         &mov    (@T[1],&DWP(192,"esp"));        # update context
924         &add    ($A,&DWP(0,@T[1]));
925         &add    (@T[0],&DWP(4,@T[1]));          # $b
926         &add    ($C,&DWP(8,@T[1]));
927         &mov    (&DWP(0,@T[1]),$A);
928         &add    ($D,&DWP(12,@T[1]));
929         &mov    (&DWP(4,@T[1]),@T[0]);
930         &add    ($E,&DWP(16,@T[1]));
931         &mov    (&DWP(8,@T[1]),$C);
932         &mov    ($B,$C);
933         &mov    (&DWP(12,@T[1]),$D);
934         &xor    ($B,$D);
935         &mov    (&DWP(16,@T[1]),$E);
936         &mov    (@T[1],@T[0]);
937         &pshufd (@X[0],@X[-4&7],0xee);          # was &movdqa   (@X[0],@X[-3&7]);
938         &and    (@T[0],$B);
939         &mov    ($B,$T[1]);
940
941         &jmp    (&label("loop"));
942
943 &set_label("done",16);          $j=$saved_j; @V=@saved_V;
944
945         &Xtail_ssse3(\&body_20_39);
946         &Xtail_ssse3(\&body_20_39);
947         &Xtail_ssse3(\&body_20_39);
948
949         &mov    (@T[1],&DWP(192,"esp"));        # update context
950         &add    ($A,&DWP(0,@T[1]));
951         &mov    ("esp",&DWP(192+12,"esp"));     # restore %esp
952         &add    (@T[0],&DWP(4,@T[1]));          # $b
953         &add    ($C,&DWP(8,@T[1]));
954         &mov    (&DWP(0,@T[1]),$A);
955         &add    ($D,&DWP(12,@T[1]));
956         &mov    (&DWP(4,@T[1]),@T[0]);
957         &add    ($E,&DWP(16,@T[1]));
958         &mov    (&DWP(8,@T[1]),$C);
959         &mov    (&DWP(12,@T[1]),$D);
960         &mov    (&DWP(16,@T[1]),$E);
961
962 &function_end("_sha1_block_data_order_ssse3");
963
964 $rx=0;  # reset
965
966 if ($ymm) {
967 my $Xi=4;                       # 4xSIMD Xupdate round, start pre-seeded
968 my @X=map("xmm$_",(4..7,0..3)); # pre-seeded for $Xi=4
969 my @V=($A,$B,$C,$D,$E);
970 my $j=0;                        # hash round
971 my @T=($T,$tmp1);
972 my $inp;
973
974 my $_rol=sub { &shld(@_[0],@_) };
975 my $_ror=sub { &shrd(@_[0],@_) };
976
977 &function_begin("_sha1_block_data_order_avx");
978         &call   (&label("pic_point"));  # make it PIC!
979         &set_label("pic_point");
980         &blindpop($tmp1);
981         &lea    ($tmp1,&DWP(&label("K_XX_XX")."-".&label("pic_point"),$tmp1));
982 &set_label("avx_shortcut");
983         &vzeroall();
984
985         &vmovdqa(@X[3],&QWP(0,$tmp1));          # K_00_19
986         &vmovdqa(@X[4],&QWP(16,$tmp1));         # K_20_39
987         &vmovdqa(@X[5],&QWP(32,$tmp1));         # K_40_59
988         &vmovdqa(@X[6],&QWP(48,$tmp1));         # K_60_79
989         &vmovdqa(@X[2],&QWP(64,$tmp1));         # pbswap mask
990
991         &mov    ($E,&wparam(0));                # load argument block
992         &mov    ($inp=@T[1],&wparam(1));
993         &mov    ($D,&wparam(2));
994         &mov    (@T[0],"esp");
995
996         # stack frame layout
997         #
998         # +0    X[0]+K  X[1]+K  X[2]+K  X[3]+K  # XMM->IALU xfer area
999         #       X[4]+K  X[5]+K  X[6]+K  X[7]+K
1000         #       X[8]+K  X[9]+K  X[10]+K X[11]+K
1001         #       X[12]+K X[13]+K X[14]+K X[15]+K
1002         #
1003         # +64   X[0]    X[1]    X[2]    X[3]    # XMM->XMM backtrace area
1004         #       X[4]    X[5]    X[6]    X[7]
1005         #       X[8]    X[9]    X[10]   X[11]   # even borrowed for K_00_19
1006         #
1007         # +112  K_20_39 K_20_39 K_20_39 K_20_39 # constants
1008         #       K_40_59 K_40_59 K_40_59 K_40_59
1009         #       K_60_79 K_60_79 K_60_79 K_60_79
1010         #       K_00_19 K_00_19 K_00_19 K_00_19
1011         #       pbswap mask
1012         #
1013         # +192  ctx                             # argument block
1014         # +196  inp
1015         # +200  end
1016         # +204  esp
1017         &sub    ("esp",208);
1018         &and    ("esp",-64);
1019
1020         &vmovdqa(&QWP(112+0,"esp"),@X[4]);      # copy constants
1021         &vmovdqa(&QWP(112+16,"esp"),@X[5]);
1022         &vmovdqa(&QWP(112+32,"esp"),@X[6]);
1023         &shl    ($D,6);                         # len*64
1024         &vmovdqa(&QWP(112+48,"esp"),@X[3]);
1025         &add    ($D,$inp);                      # end of input
1026         &vmovdqa(&QWP(112+64,"esp"),@X[2]);
1027         &add    ($inp,64);
1028         &mov    (&DWP(192+0,"esp"),$E);         # save argument block
1029         &mov    (&DWP(192+4,"esp"),$inp);
1030         &mov    (&DWP(192+8,"esp"),$D);
1031         &mov    (&DWP(192+12,"esp"),@T[0]);     # save original %esp
1032
1033         &mov    ($A,&DWP(0,$E));                # load context
1034         &mov    ($B,&DWP(4,$E));
1035         &mov    ($C,&DWP(8,$E));
1036         &mov    ($D,&DWP(12,$E));
1037         &mov    ($E,&DWP(16,$E));
1038         &mov    (@T[0],$B);                     # magic seed
1039
1040         &vmovdqu(@X[-4&7],&QWP(-64,$inp));      # load input to %xmm[0-3]
1041         &vmovdqu(@X[-3&7],&QWP(-48,$inp));
1042         &vmovdqu(@X[-2&7],&QWP(-32,$inp));
1043         &vmovdqu(@X[-1&7],&QWP(-16,$inp));
1044         &vpshufb(@X[-4&7],@X[-4&7],@X[2]);      # byte swap
1045         &vpshufb(@X[-3&7],@X[-3&7],@X[2]);
1046         &vpshufb(@X[-2&7],@X[-2&7],@X[2]);
1047         &vmovdqa(&QWP(112-16,"esp"),@X[3]);     # borrow last backtrace slot
1048         &vpshufb(@X[-1&7],@X[-1&7],@X[2]);
1049         &vpaddd (@X[0],@X[-4&7],@X[3]);         # add K_00_19
1050         &vpaddd (@X[1],@X[-3&7],@X[3]);
1051         &vpaddd (@X[2],@X[-2&7],@X[3]);
1052         &vmovdqa(&QWP(0,"esp"),@X[0]);          # X[]+K xfer to IALU
1053         &mov    (@T[1],$C);
1054         &vmovdqa(&QWP(0+16,"esp"),@X[1]);
1055         &xor    (@T[1],$D);
1056         &vmovdqa(&QWP(0+32,"esp"),@X[2]);
1057         &and    (@T[0],@T[1]);
1058         &jmp    (&label("loop"));
1059
1060 sub Xupdate_avx_16_31()         # recall that $Xi starts wtih 4
1061 { use integer;
1062   my $body = shift;
1063   my @insns = (&$body,&$body,&$body,&$body);    # 40 instructions
1064   my ($a,$b,$c,$d,$e);
1065
1066          eval(shift(@insns));
1067          eval(shift(@insns));
1068         &vpalignr(@X[0],@X[-3&7],@X[-4&7],8);   # compose "X[-14]" in "X[0]"
1069          eval(shift(@insns));
1070          eval(shift(@insns));
1071
1072           &vpaddd       (@X[3],@X[3],@X[-1&7]);
1073           &vmovdqa      (&QWP(64+16*(($Xi-4)%3),"esp"),@X[-4&7]);# save X[] to backtrace buffer
1074          eval(shift(@insns));
1075          eval(shift(@insns));
1076         &vpsrldq(@X[2],@X[-1&7],4);             # "X[-3]", 3 dwords
1077          eval(shift(@insns));
1078          eval(shift(@insns));
1079         &vpxor  (@X[0],@X[0],@X[-4&7]);         # "X[0]"^="X[-16]"
1080          eval(shift(@insns));
1081          eval(shift(@insns));
1082
1083         &vpxor  (@X[2],@X[2],@X[-2&7]);         # "X[-3]"^"X[-8]"
1084          eval(shift(@insns));
1085          eval(shift(@insns));
1086           &vmovdqa      (&QWP(0+16*(($Xi-1)&3),"esp"),@X[3]);   # X[]+K xfer to IALU
1087          eval(shift(@insns));
1088          eval(shift(@insns));
1089
1090         &vpxor  (@X[0],@X[0],@X[2]);            # "X[0]"^="X[-3]"^"X[-8]"
1091          eval(shift(@insns));
1092          eval(shift(@insns));
1093          eval(shift(@insns));
1094          eval(shift(@insns));
1095
1096         &vpsrld (@X[2],@X[0],31);
1097          eval(shift(@insns));
1098          eval(shift(@insns));
1099          eval(shift(@insns));
1100          eval(shift(@insns));
1101
1102         &vpslldq(@X[4],@X[0],12);               # "X[0]"<<96, extract one dword
1103         &vpaddd (@X[0],@X[0],@X[0]);
1104          eval(shift(@insns));
1105          eval(shift(@insns));
1106          eval(shift(@insns));
1107          eval(shift(@insns));
1108
1109         &vpsrld (@X[3],@X[4],30);
1110         &vpor   (@X[0],@X[0],@X[2]);            # "X[0]"<<<=1
1111          eval(shift(@insns));
1112          eval(shift(@insns));
1113          eval(shift(@insns));
1114          eval(shift(@insns));
1115
1116         &vpslld (@X[4],@X[4],2);
1117           &vmovdqa      (@X[2],&QWP(64+16*(($Xi-6)%3),"esp")) if ($Xi>5);       # restore X[] from backtrace buffer
1118          eval(shift(@insns));
1119          eval(shift(@insns));
1120         &vpxor  (@X[0],@X[0],@X[3]);
1121          eval(shift(@insns));
1122          eval(shift(@insns));
1123          eval(shift(@insns));
1124          eval(shift(@insns));
1125
1126         &vpxor  (@X[0],@X[0],@X[4]);            # "X[0]"^=("X[0]"<<96)<<<2
1127          eval(shift(@insns));
1128          eval(shift(@insns));
1129           &vmovdqa      (@X[4],&QWP(112-16+16*(($Xi)/5),"esp"));        # K_XX_XX
1130          eval(shift(@insns));
1131          eval(shift(@insns));
1132
1133          foreach (@insns) { eval; }     # remaining instructions [if any]
1134
1135   $Xi++;        push(@X,shift(@X));     # "rotate" X[]
1136 }
1137
1138 sub Xupdate_avx_32_79()
1139 { use integer;
1140   my $body = shift;
1141   my @insns = (&$body,&$body,&$body,&$body);    # 32 to 44 instructions
1142   my ($a,$b,$c,$d,$e);
1143
1144         &vpalignr(@X[2],@X[-1&7],@X[-2&7],8);   # compose "X[-6]"
1145         &vpxor  (@X[0],@X[0],@X[-4&7]); # "X[0]"="X[-32]"^"X[-16]"
1146          eval(shift(@insns));           # body_20_39
1147          eval(shift(@insns));
1148          eval(shift(@insns));
1149          eval(shift(@insns));           # rol
1150
1151         &vpxor  (@X[0],@X[0],@X[-7&7]); # "X[0]"^="X[-28]"
1152           &vmovdqa      (&QWP(64+16*(($Xi-4)%3),"esp"),@X[-4&7]);       # save X[] to backtrace buffer
1153          eval(shift(@insns));
1154          eval(shift(@insns));
1155          if ($Xi%5) {
1156           &vmovdqa      (@X[4],@X[3]);  # "perpetuate" K_XX_XX...
1157          } else {                       # ... or load next one
1158           &vmovdqa      (@X[4],&QWP(112-16+16*($Xi/5),"esp"));
1159          }
1160           &vpaddd       (@X[3],@X[3],@X[-1&7]);
1161          eval(shift(@insns));           # ror
1162          eval(shift(@insns));
1163
1164         &vpxor  (@X[0],@X[0],@X[2]);            # "X[0]"^="X[-6]"
1165          eval(shift(@insns));           # body_20_39
1166          eval(shift(@insns));
1167          eval(shift(@insns));
1168          eval(shift(@insns));           # rol
1169
1170         &vpsrld (@X[2],@X[0],30);
1171           &vmovdqa      (&QWP(0+16*(($Xi-1)&3),"esp"),@X[3]);   # X[]+K xfer to IALU
1172          eval(shift(@insns));
1173          eval(shift(@insns));
1174          eval(shift(@insns));           # ror
1175          eval(shift(@insns));
1176
1177         &vpslld (@X[0],@X[0],2);
1178          eval(shift(@insns));           # body_20_39
1179          eval(shift(@insns));
1180          eval(shift(@insns));
1181          eval(shift(@insns));           # rol
1182          eval(shift(@insns));
1183          eval(shift(@insns));
1184          eval(shift(@insns));           # ror
1185          eval(shift(@insns));
1186
1187         &vpor   (@X[0],@X[0],@X[2]);    # "X[0]"<<<=2
1188          eval(shift(@insns));           # body_20_39
1189          eval(shift(@insns));
1190           &vmovdqa      (@X[2],&QWP(64+16*(($Xi-6)%3),"esp")) if($Xi<19);       # restore X[] from backtrace buffer
1191          eval(shift(@insns));
1192          eval(shift(@insns));           # rol
1193          eval(shift(@insns));
1194          eval(shift(@insns));
1195          eval(shift(@insns));           # ror
1196          eval(shift(@insns));
1197
1198          foreach (@insns) { eval; }     # remaining instructions
1199
1200   $Xi++;        push(@X,shift(@X));     # "rotate" X[]
1201 }
1202
1203 sub Xuplast_avx_80()
1204 { use integer;
1205   my $body = shift;
1206   my @insns = (&$body,&$body,&$body,&$body);    # 32 instructions
1207   my ($a,$b,$c,$d,$e);
1208
1209          eval(shift(@insns));
1210           &vpaddd       (@X[3],@X[3],@X[-1&7]);
1211          eval(shift(@insns));
1212          eval(shift(@insns));
1213          eval(shift(@insns));
1214          eval(shift(@insns));
1215
1216           &vmovdqa      (&QWP(0+16*(($Xi-1)&3),"esp"),@X[3]);   # X[]+K xfer IALU
1217
1218          foreach (@insns) { eval; }             # remaining instructions
1219
1220         &mov    ($inp=@T[1],&DWP(192+4,"esp"));
1221         &cmp    ($inp,&DWP(192+8,"esp"));
1222         &je     (&label("done"));
1223
1224         &vmovdqa(@X[3],&QWP(112+48,"esp"));     # K_00_19
1225         &vmovdqa(@X[2],&QWP(112+64,"esp"));     # pbswap mask
1226         &vmovdqu(@X[-4&7],&QWP(0,$inp));        # load input
1227         &vmovdqu(@X[-3&7],&QWP(16,$inp));
1228         &vmovdqu(@X[-2&7],&QWP(32,$inp));
1229         &vmovdqu(@X[-1&7],&QWP(48,$inp));
1230         &add    ($inp,64);
1231         &vpshufb(@X[-4&7],@X[-4&7],@X[2]);              # byte swap
1232         &mov    (&DWP(192+4,"esp"),$inp);
1233         &vmovdqa(&QWP(112-16,"esp"),@X[3]);     # borrow last backtrace slot
1234
1235   $Xi=0;
1236 }
1237
1238 sub Xloop_avx()
1239 { use integer;
1240   my $body = shift;
1241   my @insns = (&$body,&$body,&$body,&$body);    # 32 instructions
1242   my ($a,$b,$c,$d,$e);
1243
1244          eval(shift(@insns));
1245          eval(shift(@insns));
1246         &vpshufb        (@X[($Xi-3)&7],@X[($Xi-3)&7],@X[2]);
1247          eval(shift(@insns));
1248          eval(shift(@insns));
1249         &vpaddd (@X[$Xi&7],@X[($Xi-4)&7],@X[3]);
1250          eval(shift(@insns));
1251          eval(shift(@insns));
1252          eval(shift(@insns));
1253          eval(shift(@insns));
1254         &vmovdqa        (&QWP(0+16*$Xi,"esp"),@X[$Xi&7]);       # X[]+K xfer to IALU
1255          eval(shift(@insns));
1256          eval(shift(@insns));
1257
1258         foreach (@insns) { eval; }
1259   $Xi++;
1260 }
1261
1262 sub Xtail_avx()
1263 { use integer;
1264   my $body = shift;
1265   my @insns = (&$body,&$body,&$body,&$body);    # 32 instructions
1266   my ($a,$b,$c,$d,$e);
1267
1268         foreach (@insns) { eval; }
1269 }
1270
1271 &set_label("loop",16);
1272         &Xupdate_avx_16_31(\&body_00_19);
1273         &Xupdate_avx_16_31(\&body_00_19);
1274         &Xupdate_avx_16_31(\&body_00_19);
1275         &Xupdate_avx_16_31(\&body_00_19);
1276         &Xupdate_avx_32_79(\&body_00_19);
1277         &Xupdate_avx_32_79(\&body_20_39);
1278         &Xupdate_avx_32_79(\&body_20_39);
1279         &Xupdate_avx_32_79(\&body_20_39);
1280         &Xupdate_avx_32_79(\&body_20_39);
1281         &Xupdate_avx_32_79(\&body_20_39);
1282         &Xupdate_avx_32_79(\&body_40_59);
1283         &Xupdate_avx_32_79(\&body_40_59);
1284         &Xupdate_avx_32_79(\&body_40_59);
1285         &Xupdate_avx_32_79(\&body_40_59);
1286         &Xupdate_avx_32_79(\&body_40_59);
1287         &Xupdate_avx_32_79(\&body_20_39);
1288         &Xuplast_avx_80(\&body_20_39);  # can jump to "done"
1289
1290                                 $saved_j=$j; @saved_V=@V;
1291
1292         &Xloop_avx(\&body_20_39);
1293         &Xloop_avx(\&body_20_39);
1294         &Xloop_avx(\&body_20_39);
1295
1296         &mov    (@T[1],&DWP(192,"esp"));        # update context
1297         &add    ($A,&DWP(0,@T[1]));
1298         &add    (@T[0],&DWP(4,@T[1]));          # $b
1299         &add    ($C,&DWP(8,@T[1]));
1300         &mov    (&DWP(0,@T[1]),$A);
1301         &add    ($D,&DWP(12,@T[1]));
1302         &mov    (&DWP(4,@T[1]),@T[0]);
1303         &add    ($E,&DWP(16,@T[1]));
1304         &mov    ($B,$C);
1305         &mov    (&DWP(8,@T[1]),$C);
1306         &xor    ($B,$D);
1307         &mov    (&DWP(12,@T[1]),$D);
1308         &mov    (&DWP(16,@T[1]),$E);
1309         &mov    (@T[1],@T[0]);
1310         &and    (@T[0],$B);
1311         &mov    ($B,@T[1]);
1312
1313         &jmp    (&label("loop"));
1314
1315 &set_label("done",16);          $j=$saved_j; @V=@saved_V;
1316
1317         &Xtail_avx(\&body_20_39);
1318         &Xtail_avx(\&body_20_39);
1319         &Xtail_avx(\&body_20_39);
1320
1321         &vzeroall();
1322
1323         &mov    (@T[1],&DWP(192,"esp"));        # update context
1324         &add    ($A,&DWP(0,@T[1]));
1325         &mov    ("esp",&DWP(192+12,"esp"));     # restore %esp
1326         &add    (@T[0],&DWP(4,@T[1]));          # $b
1327         &add    ($C,&DWP(8,@T[1]));
1328         &mov    (&DWP(0,@T[1]),$A);
1329         &add    ($D,&DWP(12,@T[1]));
1330         &mov    (&DWP(4,@T[1]),@T[0]);
1331         &add    ($E,&DWP(16,@T[1]));
1332         &mov    (&DWP(8,@T[1]),$C);
1333         &mov    (&DWP(12,@T[1]),$D);
1334         &mov    (&DWP(16,@T[1]),$E);
1335 &function_end("_sha1_block_data_order_avx");
1336 }
1337 &set_label("K_XX_XX",64);
1338 &data_word(0x5a827999,0x5a827999,0x5a827999,0x5a827999);        # K_00_19
1339 &data_word(0x6ed9eba1,0x6ed9eba1,0x6ed9eba1,0x6ed9eba1);        # K_20_39
1340 &data_word(0x8f1bbcdc,0x8f1bbcdc,0x8f1bbcdc,0x8f1bbcdc);        # K_40_59
1341 &data_word(0xca62c1d6,0xca62c1d6,0xca62c1d6,0xca62c1d6);        # K_60_79
1342 &data_word(0x00010203,0x04050607,0x08090a0b,0x0c0d0e0f);        # pbswap mask
1343 }
1344 &asciz("SHA1 block transform for x86, CRYPTOGAMS by <appro\@openssl.org>");
1345
1346 &asm_finish();