sha1-armv4-large.pl: comply with ABI.
[openssl.git] / crypto / sha / asm / sha1-586.pl
1 #!/usr/bin/env perl
2
3 # ====================================================================
4 # [Re]written by Andy Polyakov <appro@fy.chalmers.se> 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             6.1/+20%        -
92 # Atom          12.5            9.3(*)/+35%     -
93 # Westmere      7.3             5.5/+33%        -
94 # Sandy Bridge  8.8             6.2/+40%        5.2(**)/+70%
95 # Ivy Bridge    7.2             4.8/+51%        4.7(**)/+53%
96 # Bulldozer     11.6            6.0/+92%
97 # VIA Nano      10.6            7.6/+40%
98 #
99 # (*)   Loop is 1056 instructions long and expected result is ~8.25.
100 #       It remains mystery [to me] why ILP is limited to 1.7.
101 #
102 # (**)  As per above comment, the result is for AVX *plus* sh[rl]d.
103
104 $0 =~ m/(.*[\/\\])[^\/\\]+$/; $dir=$1;
105 push(@INC,"${dir}","${dir}../../perlasm");
106 require "x86asm.pl";
107
108 &asm_init($ARGV[0],"sha1-586.pl",$ARGV[$#ARGV] eq "386");
109
110 $xmm=$ymm=0;
111 for (@ARGV) { $xmm=1 if (/-DOPENSSL_IA32_SSE2/); }
112
113 $ymm=1 if ($xmm &&
114                 `$ENV{CC} -Wa,-v -c -o /dev/null -x assembler /dev/null 2>&1`
115                         =~ /GNU assembler version ([2-9]\.[0-9]+)/ &&
116                 $1>=2.19);      # first version supporting AVX
117
118 $ymm=1 if ($xmm && !$ymm && $ARGV[0] eq "win32n" && 
119                 `nasm -v 2>&1` =~ /NASM version ([2-9]\.[0-9]+)/ &&
120                 $1>=2.03);      # first version supporting AVX
121
122 $ymm=1 if ($xmm && !$ymm && $ARGV[0] eq "win32" &&
123                 `ml 2>&1` =~ /Version ([0-9]+)\./ &&
124                 $1>=10);        # first version supporting AVX
125
126 &external_label("OPENSSL_ia32cap_P") if ($xmm);
127
128
129 $A="eax";
130 $B="ebx";
131 $C="ecx";
132 $D="edx";
133 $E="edi";
134 $T="esi";
135 $tmp1="ebp";
136
137 @V=($A,$B,$C,$D,$E,$T);
138
139 $alt=0; # 1 denotes alternative IALU implementation, which performs
140         # 8% *worse* on P4, same on Westmere and Atom, 2% better on
141         # Sandy Bridge...
142
143 sub BODY_00_15
144         {
145         local($n,$a,$b,$c,$d,$e,$f)=@_;
146
147         &comment("00_15 $n");
148
149         &mov($f,$c);                    # f to hold F_00_19(b,c,d)
150          if ($n==0)  { &mov($tmp1,$a); }
151          else        { &mov($a,$tmp1); }
152         &rotl($tmp1,5);                 # tmp1=ROTATE(a,5)
153          &xor($f,$d);
154         &add($tmp1,$e);                 # tmp1+=e;
155          &mov($e,&swtmp($n%16));        # e becomes volatile and is loaded
156                                         # with xi, also note that e becomes
157                                         # f in next round...
158         &and($f,$b);
159         &rotr($b,2);                    # b=ROTATE(b,30)
160          &xor($f,$d);                   # f holds F_00_19(b,c,d)
161         &lea($tmp1,&DWP(0x5a827999,$tmp1,$e));  # tmp1+=K_00_19+xi
162
163         if ($n==15) { &mov($e,&swtmp(($n+1)%16));# pre-fetch f for next round
164                       &add($f,$tmp1); } # f+=tmp1
165         else        { &add($tmp1,$f); } # f becomes a in next round
166         &mov($tmp1,$a)                  if ($alt && $n==15);
167         }
168
169 sub BODY_16_19
170         {
171         local($n,$a,$b,$c,$d,$e,$f)=@_;
172
173         &comment("16_19 $n");
174
175 if ($alt) {
176         &xor($c,$d);
177          &xor($f,&swtmp(($n+2)%16));    # f to hold Xupdate(xi,xa,xb,xc,xd)
178         &and($tmp1,$c);                 # tmp1 to hold F_00_19(b,c,d), b&=c^d
179          &xor($f,&swtmp(($n+8)%16));
180         &xor($tmp1,$d);                 # tmp1=F_00_19(b,c,d)
181          &xor($f,&swtmp(($n+13)%16));   # f holds xa^xb^xc^xd
182         &rotl($f,1);                    # f=ROTATE(f,1)
183          &add($e,$tmp1);                # e+=F_00_19(b,c,d)
184         &xor($c,$d);                    # restore $c
185          &mov($tmp1,$a);                # b in next round
186         &rotr($b,$n==16?2:7);           # b=ROTATE(b,30)
187          &mov(&swtmp($n%16),$f);        # xi=f
188         &rotl($a,5);                    # ROTATE(a,5)
189          &lea($f,&DWP(0x5a827999,$f,$e));# f+=F_00_19(b,c,d)+e
190         &mov($e,&swtmp(($n+1)%16));     # pre-fetch f for next round
191          &add($f,$a);                   # f+=ROTATE(a,5)
192 } else {
193         &mov($tmp1,$c);                 # tmp1 to hold F_00_19(b,c,d)
194          &xor($f,&swtmp(($n+2)%16));    # f to hold Xupdate(xi,xa,xb,xc,xd)
195         &xor($tmp1,$d);
196          &xor($f,&swtmp(($n+8)%16));
197         &and($tmp1,$b);
198          &xor($f,&swtmp(($n+13)%16));   # f holds xa^xb^xc^xd
199         &rotl($f,1);                    # f=ROTATE(f,1)
200          &xor($tmp1,$d);                # tmp1=F_00_19(b,c,d)
201         &add($e,$tmp1);                 # e+=F_00_19(b,c,d)
202          &mov($tmp1,$a);
203         &rotr($b,2);                    # b=ROTATE(b,30)
204          &mov(&swtmp($n%16),$f);        # xi=f
205         &rotl($tmp1,5);                 # ROTATE(a,5)
206          &lea($f,&DWP(0x5a827999,$f,$e));# f+=F_00_19(b,c,d)+e
207         &mov($e,&swtmp(($n+1)%16));     # pre-fetch f for next round
208          &add($f,$tmp1);                # f+=ROTATE(a,5)
209 }
210         }
211
212 sub BODY_20_39
213         {
214         local($n,$a,$b,$c,$d,$e,$f)=@_;
215         local $K=($n<40)?0x6ed9eba1:0xca62c1d6;
216
217         &comment("20_39 $n");
218
219 if ($alt) {
220         &xor($tmp1,$c);                 # tmp1 to hold F_20_39(b,c,d), b^=c
221          &xor($f,&swtmp(($n+2)%16));    # f to hold Xupdate(xi,xa,xb,xc,xd)
222         &xor($tmp1,$d);                 # tmp1 holds F_20_39(b,c,d)
223          &xor($f,&swtmp(($n+8)%16));
224         &add($e,$tmp1);                 # e+=F_20_39(b,c,d)
225          &xor($f,&swtmp(($n+13)%16));   # f holds xa^xb^xc^xd
226         &rotl($f,1);                    # f=ROTATE(f,1)
227          &mov($tmp1,$a);                # b in next round
228         &rotr($b,7);                    # b=ROTATE(b,30)
229          &mov(&swtmp($n%16),$f)         if($n<77);# xi=f
230         &rotl($a,5);                    # ROTATE(a,5)
231          &xor($b,$c)                    if($n==39);# warm up for BODY_40_59
232         &and($tmp1,$b)                  if($n==39);
233          &lea($f,&DWP($K,$f,$e));       # f+=e+K_XX_YY
234         &mov($e,&swtmp(($n+1)%16))      if($n<79);# pre-fetch f for next round
235          &add($f,$a);                   # f+=ROTATE(a,5)
236         &rotr($a,5)                     if ($n==79);
237 } else {
238         &mov($tmp1,$b);                 # tmp1 to hold F_20_39(b,c,d)
239          &xor($f,&swtmp(($n+2)%16));    # f to hold Xupdate(xi,xa,xb,xc,xd)
240         &xor($tmp1,$c);
241          &xor($f,&swtmp(($n+8)%16));
242         &xor($tmp1,$d);                 # tmp1 holds F_20_39(b,c,d)
243          &xor($f,&swtmp(($n+13)%16));   # f holds xa^xb^xc^xd
244         &rotl($f,1);                    # f=ROTATE(f,1)
245          &add($e,$tmp1);                # e+=F_20_39(b,c,d)
246         &rotr($b,2);                    # b=ROTATE(b,30)
247          &mov($tmp1,$a);
248         &rotl($tmp1,5);                 # ROTATE(a,5)
249          &mov(&swtmp($n%16),$f) if($n<77);# xi=f
250         &lea($f,&DWP($K,$f,$e));        # f+=e+K_XX_YY
251          &mov($e,&swtmp(($n+1)%16)) if($n<79);# pre-fetch f for next round
252         &add($f,$tmp1);                 # f+=ROTATE(a,5)
253 }
254         }
255
256 sub BODY_40_59
257         {
258         local($n,$a,$b,$c,$d,$e,$f)=@_;
259
260         &comment("40_59 $n");
261
262 if ($alt) {
263         &add($e,$tmp1);                 # e+=b&(c^d)
264          &xor($f,&swtmp(($n+2)%16));    # f to hold Xupdate(xi,xa,xb,xc,xd)
265         &mov($tmp1,$d);
266          &xor($f,&swtmp(($n+8)%16));
267         &xor($c,$d);                    # restore $c
268          &xor($f,&swtmp(($n+13)%16));   # f holds xa^xb^xc^xd
269         &rotl($f,1);                    # f=ROTATE(f,1)
270          &and($tmp1,$c);
271         &rotr($b,7);                    # b=ROTATE(b,30)
272          &add($e,$tmp1);                # e+=c&d
273         &mov($tmp1,$a);                 # b in next round
274          &mov(&swtmp($n%16),$f);        # xi=f
275         &rotl($a,5);                    # ROTATE(a,5)
276          &xor($b,$c)                    if ($n<59);
277         &and($tmp1,$b)                  if ($n<59);# tmp1 to hold F_40_59(b,c,d)
278          &lea($f,&DWP(0x8f1bbcdc,$f,$e));# f+=K_40_59+e+(b&(c^d))
279         &mov($e,&swtmp(($n+1)%16));     # pre-fetch f for next round
280          &add($f,$a);                   # f+=ROTATE(a,5)
281 } else {
282         &mov($tmp1,$c);                 # tmp1 to hold F_40_59(b,c,d)
283          &xor($f,&swtmp(($n+2)%16));    # f to hold Xupdate(xi,xa,xb,xc,xd)
284         &xor($tmp1,$d);
285          &xor($f,&swtmp(($n+8)%16));
286         &and($tmp1,$b);
287          &xor($f,&swtmp(($n+13)%16));   # f holds xa^xb^xc^xd
288         &rotl($f,1);                    # f=ROTATE(f,1)
289          &add($tmp1,$e);                # b&(c^d)+=e
290         &rotr($b,2);                    # b=ROTATE(b,30)
291          &mov($e,$a);                   # e becomes volatile
292         &rotl($e,5);                    # ROTATE(a,5)
293          &mov(&swtmp($n%16),$f);        # xi=f
294         &lea($f,&DWP(0x8f1bbcdc,$f,$tmp1));# f+=K_40_59+e+(b&(c^d))
295          &mov($tmp1,$c);
296         &add($f,$e);                    # f+=ROTATE(a,5)
297          &and($tmp1,$d);
298         &mov($e,&swtmp(($n+1)%16));     # pre-fetch f for next round
299          &add($f,$tmp1);                # f+=c&d
300 }
301         }
302
303 &function_begin("sha1_block_data_order");
304 if ($xmm) {
305   &static_label("ssse3_shortcut");
306   &static_label("avx_shortcut")         if ($ymm);
307   &static_label("K_XX_XX");
308
309         &call   (&label("pic_point"));  # make it PIC!
310   &set_label("pic_point");
311         &blindpop($tmp1);
312         &picmeup($T,"OPENSSL_ia32cap_P",$tmp1,&label("pic_point"));
313         &lea    ($tmp1,&DWP(&label("K_XX_XX")."-".&label("pic_point"),$tmp1));
314
315         &mov    ($A,&DWP(0,$T));
316         &mov    ($D,&DWP(4,$T));
317         &test   ($D,1<<9);              # check SSSE3 bit
318         &jz     (&label("x86"));
319         &test   ($A,1<<24);             # check FXSR bit
320         &jz     (&label("x86"));
321         if ($ymm) {
322                 &and    ($D,1<<28);             # mask AVX bit
323                 &and    ($A,1<<30);             # mask "Intel CPU" bit
324                 &or     ($A,$D);
325                 &cmp    ($A,1<<28|1<<30);
326                 &je     (&label("avx_shortcut"));
327         }
328         &jmp    (&label("ssse3_shortcut"));
329   &set_label("x86",16);
330 }
331         &mov($tmp1,&wparam(0)); # SHA_CTX *c
332         &mov($T,&wparam(1));    # const void *input
333         &mov($A,&wparam(2));    # size_t num
334         &stack_push(16+3);      # allocate X[16]
335         &shl($A,6);
336         &add($A,$T);
337         &mov(&wparam(2),$A);    # pointer beyond the end of input
338         &mov($E,&DWP(16,$tmp1));# pre-load E
339         &jmp(&label("loop"));
340
341 &set_label("loop",16);
342
343         # copy input chunk to X, but reversing byte order!
344         for ($i=0; $i<16; $i+=4)
345                 {
346                 &mov($A,&DWP(4*($i+0),$T));
347                 &mov($B,&DWP(4*($i+1),$T));
348                 &mov($C,&DWP(4*($i+2),$T));
349                 &mov($D,&DWP(4*($i+3),$T));
350                 &bswap($A);
351                 &bswap($B);
352                 &bswap($C);
353                 &bswap($D);
354                 &mov(&swtmp($i+0),$A);
355                 &mov(&swtmp($i+1),$B);
356                 &mov(&swtmp($i+2),$C);
357                 &mov(&swtmp($i+3),$D);
358                 }
359         &mov(&wparam(1),$T);    # redundant in 1st spin
360
361         &mov($A,&DWP(0,$tmp1)); # load SHA_CTX
362         &mov($B,&DWP(4,$tmp1));
363         &mov($C,&DWP(8,$tmp1));
364         &mov($D,&DWP(12,$tmp1));
365         # E is pre-loaded
366
367         for($i=0;$i<16;$i++)    { &BODY_00_15($i,@V); unshift(@V,pop(@V)); }
368         for(;$i<20;$i++)        { &BODY_16_19($i,@V); unshift(@V,pop(@V)); }
369         for(;$i<40;$i++)        { &BODY_20_39($i,@V); unshift(@V,pop(@V)); }
370         for(;$i<60;$i++)        { &BODY_40_59($i,@V); unshift(@V,pop(@V)); }
371         for(;$i<80;$i++)        { &BODY_20_39($i,@V); unshift(@V,pop(@V)); }
372
373         (($V[5] eq $D) and ($V[0] eq $E)) or die;       # double-check
374
375         &mov($tmp1,&wparam(0)); # re-load SHA_CTX*
376         &mov($D,&wparam(1));    # D is last "T" and is discarded
377
378         &add($E,&DWP(0,$tmp1)); # E is last "A"...
379         &add($T,&DWP(4,$tmp1));
380         &add($A,&DWP(8,$tmp1));
381         &add($B,&DWP(12,$tmp1));
382         &add($C,&DWP(16,$tmp1));
383
384         &mov(&DWP(0,$tmp1),$E); # update SHA_CTX
385          &add($D,64);           # advance input pointer
386         &mov(&DWP(4,$tmp1),$T);
387          &cmp($D,&wparam(2));   # have we reached the end yet?
388         &mov(&DWP(8,$tmp1),$A);
389          &mov($E,$C);           # C is last "E" which needs to be "pre-loaded"
390         &mov(&DWP(12,$tmp1),$B);
391          &mov($T,$D);           # input pointer
392         &mov(&DWP(16,$tmp1),$C);
393         &jb(&label("loop"));
394
395         &stack_pop(16+3);
396 &function_end("sha1_block_data_order");
397
398 if ($xmm) {
399 ######################################################################
400 # The SSSE3 implementation.
401 #
402 # %xmm[0-7] are used as ring @X[] buffer containing quadruples of last
403 # 32 elements of the message schedule or Xupdate outputs. First 4
404 # quadruples are simply byte-swapped input, next 4 are calculated
405 # according to method originally suggested by Dean Gaudet (modulo
406 # being implemented in SSSE3). Once 8 quadruples or 32 elements are
407 # collected, it switches to routine proposed by Max Locktyukhin.
408 #
409 # Calculations inevitably require temporary reqisters, and there are
410 # no %xmm registers left to spare. For this reason part of the ring
411 # buffer, X[2..4] to be specific, is offloaded to 3 quadriples ring
412 # buffer on the stack. Keep in mind that X[2] is alias X[-6], X[3] -
413 # X[-5], and X[4] - X[-4]...
414 #
415 # Another notable optimization is aggressive stack frame compression
416 # aiming to minimize amount of 9-byte instructions...
417 #
418 # Yet another notable optimization is "jumping" $B variable. It means
419 # that there is no register permanently allocated for $B value. This
420 # allowed to eliminate one instruction from body_20_39...
421 #
422 my $Xi=4;                       # 4xSIMD Xupdate round, start pre-seeded
423 my @X=map("xmm$_",(4..7,0..3)); # pre-seeded for $Xi=4
424 my @V=($A,$B,$C,$D,$E);
425 my $j=0;                        # hash round
426 my @T=($T,$tmp1);
427 my $inp;
428
429 my $_rol=sub { &rol(@_) };
430 my $_ror=sub { &ror(@_) };
431
432 &function_begin("_sha1_block_data_order_ssse3");
433         &call   (&label("pic_point"));  # make it PIC!
434         &set_label("pic_point");
435         &blindpop($tmp1);
436         &lea    ($tmp1,&DWP(&label("K_XX_XX")."-".&label("pic_point"),$tmp1));
437 &set_label("ssse3_shortcut");
438
439         &movdqa (@X[3],&QWP(0,$tmp1));          # K_00_19
440         &movdqa (@X[4],&QWP(16,$tmp1));         # K_20_39
441         &movdqa (@X[5],&QWP(32,$tmp1));         # K_40_59
442         &movdqa (@X[6],&QWP(48,$tmp1));         # K_60_79
443         &movdqa (@X[2],&QWP(64,$tmp1));         # pbswap mask
444
445         &mov    ($E,&wparam(0));                # load argument block
446         &mov    ($inp=@T[1],&wparam(1));
447         &mov    ($D,&wparam(2));
448         &mov    (@T[0],"esp");
449
450         # stack frame layout
451         #
452         # +0    X[0]+K  X[1]+K  X[2]+K  X[3]+K  # XMM->IALU xfer area
453         #       X[4]+K  X[5]+K  X[6]+K  X[7]+K
454         #       X[8]+K  X[9]+K  X[10]+K X[11]+K
455         #       X[12]+K X[13]+K X[14]+K X[15]+K
456         #
457         # +64   X[0]    X[1]    X[2]    X[3]    # XMM->XMM backtrace area
458         #       X[4]    X[5]    X[6]    X[7]
459         #       X[8]    X[9]    X[10]   X[11]   # even borrowed for K_00_19
460         #
461         # +112  K_20_39 K_20_39 K_20_39 K_20_39 # constants
462         #       K_40_59 K_40_59 K_40_59 K_40_59
463         #       K_60_79 K_60_79 K_60_79 K_60_79
464         #       K_00_19 K_00_19 K_00_19 K_00_19
465         #       pbswap mask
466         #
467         # +192  ctx                             # argument block
468         # +196  inp
469         # +200  end
470         # +204  esp
471         &sub    ("esp",208);
472         &and    ("esp",-64);
473
474         &movdqa (&QWP(112+0,"esp"),@X[4]);      # copy constants
475         &movdqa (&QWP(112+16,"esp"),@X[5]);
476         &movdqa (&QWP(112+32,"esp"),@X[6]);
477         &shl    ($D,6);                         # len*64
478         &movdqa (&QWP(112+48,"esp"),@X[3]);
479         &add    ($D,$inp);                      # end of input
480         &movdqa (&QWP(112+64,"esp"),@X[2]);
481         &add    ($inp,64);
482         &mov    (&DWP(192+0,"esp"),$E);         # save argument block
483         &mov    (&DWP(192+4,"esp"),$inp);
484         &mov    (&DWP(192+8,"esp"),$D);
485         &mov    (&DWP(192+12,"esp"),@T[0]);     # save original %esp
486
487         &mov    ($A,&DWP(0,$E));                # load context
488         &mov    ($B,&DWP(4,$E));
489         &mov    ($C,&DWP(8,$E));
490         &mov    ($D,&DWP(12,$E));
491         &mov    ($E,&DWP(16,$E));
492         &mov    (@T[0],$B);                     # magic seed
493
494         &movdqu (@X[-4&7],&QWP(-64,$inp));      # load input to %xmm[0-3]
495         &movdqu (@X[-3&7],&QWP(-48,$inp));
496         &movdqu (@X[-2&7],&QWP(-32,$inp));
497         &movdqu (@X[-1&7],&QWP(-16,$inp));
498         &pshufb (@X[-4&7],@X[2]);               # byte swap
499         &pshufb (@X[-3&7],@X[2]);
500         &pshufb (@X[-2&7],@X[2]);
501         &movdqa (&QWP(112-16,"esp"),@X[3]);     # borrow last backtrace slot
502         &pshufb (@X[-1&7],@X[2]);
503         &paddd  (@X[-4&7],@X[3]);               # add K_00_19
504         &paddd  (@X[-3&7],@X[3]);
505         &paddd  (@X[-2&7],@X[3]);
506         &movdqa (&QWP(0,"esp"),@X[-4&7]);       # X[]+K xfer to IALU
507         &psubd  (@X[-4&7],@X[3]);               # restore X[]
508         &movdqa (&QWP(0+16,"esp"),@X[-3&7]);
509         &psubd  (@X[-3&7],@X[3]);
510         &movdqa (&QWP(0+32,"esp"),@X[-2&7]);
511         &psubd  (@X[-2&7],@X[3]);
512         &movdqa (@X[0],@X[-3&7]);
513         &jmp    (&label("loop"));
514
515 ######################################################################
516 # SSE instruction sequence is first broken to groups of indepentent
517 # instructions, independent in respect to their inputs and shifter
518 # (not all architectures have more than one). Then IALU instructions
519 # are "knitted in" between the SSE groups. Distance is maintained for
520 # SSE latency of 2 in hope that it fits better upcoming AMD Bulldozer
521 # [which allegedly also implements SSSE3]...
522 #
523 # Temporary registers usage. X[2] is volatile at the entry and at the
524 # end is restored from backtrace ring buffer. X[3] is expected to
525 # contain current K_XX_XX constant and is used to caclulate X[-1]+K
526 # from previous round, it becomes volatile the moment the value is
527 # saved to stack for transfer to IALU. X[4] becomes volatile whenever
528 # X[-4] is accumulated and offloaded to backtrace ring buffer, at the
529 # end it is loaded with next K_XX_XX [which becomes X[3] in next
530 # round]...
531 #
532 sub Xupdate_ssse3_16_31()               # recall that $Xi starts wtih 4
533 { use integer;
534   my $body = shift;
535   my @insns = (&$body,&$body,&$body,&$body);    # 40 instructions
536   my ($a,$b,$c,$d,$e);
537
538          eval(shift(@insns));
539          eval(shift(@insns));
540         &palignr(@X[0],@X[-4&7],8);     # compose "X[-14]" in "X[0]"
541         &movdqa (@X[2],@X[-1&7]);
542          eval(shift(@insns));
543          eval(shift(@insns));
544
545           &paddd        (@X[3],@X[-1&7]);
546           &movdqa       (&QWP(64+16*(($Xi-4)%3),"esp"),@X[-4&7]);# save X[] to backtrace buffer
547          eval(shift(@insns));
548          eval(shift(@insns));
549         &psrldq (@X[2],4);              # "X[-3]", 3 dwords
550          eval(shift(@insns));
551          eval(shift(@insns));
552         &pxor   (@X[0],@X[-4&7]);       # "X[0]"^="X[-16]"
553          eval(shift(@insns));
554          eval(shift(@insns));
555
556         &pxor   (@X[2],@X[-2&7]);       # "X[-3]"^"X[-8]"
557          eval(shift(@insns));
558          eval(shift(@insns));
559          eval(shift(@insns));
560          eval(shift(@insns));
561
562         &pxor   (@X[0],@X[2]);          # "X[0]"^="X[-3]"^"X[-8]"
563          eval(shift(@insns));
564          eval(shift(@insns));
565           &movdqa       (&QWP(0+16*(($Xi-1)&3),"esp"),@X[3]);   # X[]+K xfer to IALU
566          eval(shift(@insns));
567          eval(shift(@insns));
568
569         &movdqa (@X[4],@X[0]);
570         &movdqa (@X[2],@X[0]);
571          eval(shift(@insns));
572          eval(shift(@insns));
573          eval(shift(@insns));
574          eval(shift(@insns));
575
576         &pslldq (@X[4],12);             # "X[0]"<<96, extract one dword
577         &paddd  (@X[0],@X[0]);
578          eval(shift(@insns));
579          eval(shift(@insns));
580          eval(shift(@insns));
581          eval(shift(@insns));
582
583         &psrld  (@X[2],31);
584          eval(shift(@insns));
585          eval(shift(@insns));
586         &movdqa (@X[3],@X[4]);
587          eval(shift(@insns));
588          eval(shift(@insns));
589
590         &psrld  (@X[4],30);
591         &por    (@X[0],@X[2]);          # "X[0]"<<<=1
592          eval(shift(@insns));
593          eval(shift(@insns));
594           &movdqa       (@X[2],&QWP(64+16*(($Xi-6)%3),"esp")) if ($Xi>5);       # restore X[] from backtrace buffer
595          eval(shift(@insns));
596          eval(shift(@insns));
597
598         &pslld  (@X[3],2);
599         &pxor   (@X[0],@X[4]);
600          eval(shift(@insns));
601          eval(shift(@insns));
602           &movdqa       (@X[4],&QWP(112-16+16*(($Xi)/5),"esp"));        # K_XX_XX
603          eval(shift(@insns));
604          eval(shift(@insns));
605
606         &pxor   (@X[0],@X[3]);          # "X[0]"^=("X[0]"<<96)<<<2
607           &movdqa       (@X[1],@X[-2&7])        if ($Xi<7);
608          eval(shift(@insns));
609          eval(shift(@insns));
610
611          foreach (@insns) { eval; }     # remaining instructions [if any]
612
613   $Xi++;        push(@X,shift(@X));     # "rotate" X[]
614 }
615
616 sub Xupdate_ssse3_32_79()
617 { use integer;
618   my $body = shift;
619   my @insns = (&$body,&$body,&$body,&$body);    # 32 to 44 instructions
620   my ($a,$b,$c,$d,$e);
621
622         &movdqa (@X[2],@X[-1&7])        if ($Xi==8);
623          eval(shift(@insns));           # body_20_39
624         &pxor   (@X[0],@X[-4&7]);       # "X[0]"="X[-32]"^"X[-16]"
625         &palignr(@X[2],@X[-2&7],8);     # compose "X[-6]"
626          eval(shift(@insns));
627          eval(shift(@insns));
628          eval(shift(@insns));           # rol
629
630         &pxor   (@X[0],@X[-7&7]);       # "X[0]"^="X[-28]"
631           &movdqa       (&QWP(64+16*(($Xi-4)%3),"esp"),@X[-4&7]);       # save X[] to backtrace buffer
632          eval(shift(@insns));
633          eval(shift(@insns));
634          if ($Xi%5) {
635           &movdqa       (@X[4],@X[3]);  # "perpetuate" K_XX_XX...
636          } else {                       # ... or load next one
637           &movdqa       (@X[4],&QWP(112-16+16*($Xi/5),"esp"));
638          }
639           &paddd        (@X[3],@X[-1&7]);
640          eval(shift(@insns));           # ror
641          eval(shift(@insns));
642
643         &pxor   (@X[0],@X[2]);          # "X[0]"^="X[-6]"
644          eval(shift(@insns));           # body_20_39
645          eval(shift(@insns));
646          eval(shift(@insns));
647          eval(shift(@insns));           # rol
648
649         &movdqa (@X[2],@X[0]);
650           &movdqa       (&QWP(0+16*(($Xi-1)&3),"esp"),@X[3]);   # X[]+K xfer to IALU
651          eval(shift(@insns));
652          eval(shift(@insns));
653          eval(shift(@insns));           # ror
654          eval(shift(@insns));
655
656         &pslld  (@X[0],2);
657          eval(shift(@insns));           # body_20_39
658          eval(shift(@insns));
659         &psrld  (@X[2],30);
660          eval(shift(@insns));
661          eval(shift(@insns));           # rol
662          eval(shift(@insns));
663          eval(shift(@insns));
664          eval(shift(@insns));           # ror
665          eval(shift(@insns));
666
667         &por    (@X[0],@X[2]);          # "X[0]"<<<=2
668          eval(shift(@insns));           # body_20_39
669          eval(shift(@insns));
670           &movdqa       (@X[2],&QWP(64+16*(($Xi-6)%3),"esp")) if($Xi<19);       # restore X[] from backtrace buffer
671          eval(shift(@insns));
672          eval(shift(@insns));           # rol
673          eval(shift(@insns));
674          eval(shift(@insns));
675          eval(shift(@insns));           # ror
676           &movdqa       (@X[3],@X[0])   if ($Xi<19);
677          eval(shift(@insns));
678
679          foreach (@insns) { eval; }     # remaining instructions
680
681   $Xi++;        push(@X,shift(@X));     # "rotate" X[]
682 }
683
684 sub Xuplast_ssse3_80()
685 { use integer;
686   my $body = shift;
687   my @insns = (&$body,&$body,&$body,&$body);    # 32 instructions
688   my ($a,$b,$c,$d,$e);
689
690          eval(shift(@insns));
691           &paddd        (@X[3],@X[-1&7]);
692          eval(shift(@insns));
693          eval(shift(@insns));
694          eval(shift(@insns));
695          eval(shift(@insns));
696
697           &movdqa       (&QWP(0+16*(($Xi-1)&3),"esp"),@X[3]);   # X[]+K xfer IALU
698
699          foreach (@insns) { eval; }             # remaining instructions
700
701         &mov    ($inp=@T[1],&DWP(192+4,"esp"));
702         &cmp    ($inp,&DWP(192+8,"esp"));
703         &je     (&label("done"));
704
705         &movdqa (@X[3],&QWP(112+48,"esp"));     # K_00_19
706         &movdqa (@X[2],&QWP(112+64,"esp"));     # pbswap mask
707         &movdqu (@X[-4&7],&QWP(0,$inp));        # load input
708         &movdqu (@X[-3&7],&QWP(16,$inp));
709         &movdqu (@X[-2&7],&QWP(32,$inp));
710         &movdqu (@X[-1&7],&QWP(48,$inp));
711         &add    ($inp,64);
712         &pshufb (@X[-4&7],@X[2]);               # byte swap
713         &mov    (&DWP(192+4,"esp"),$inp);
714         &movdqa (&QWP(112-16,"esp"),@X[3]);     # borrow last backtrace slot
715
716   $Xi=0;
717 }
718
719 sub Xloop_ssse3()
720 { use integer;
721   my $body = shift;
722   my @insns = (&$body,&$body,&$body,&$body);    # 32 instructions
723   my ($a,$b,$c,$d,$e);
724
725          eval(shift(@insns));
726          eval(shift(@insns));
727         &pshufb (@X[($Xi-3)&7],@X[2]);
728          eval(shift(@insns));
729          eval(shift(@insns));
730         &paddd  (@X[($Xi-4)&7],@X[3]);
731          eval(shift(@insns));
732          eval(shift(@insns));
733          eval(shift(@insns));
734          eval(shift(@insns));
735         &movdqa (&QWP(0+16*$Xi,"esp"),@X[($Xi-4)&7]);   # X[]+K xfer to IALU
736          eval(shift(@insns));
737          eval(shift(@insns));
738         &psubd  (@X[($Xi-4)&7],@X[3]);
739
740         foreach (@insns) { eval; }
741   $Xi++;
742 }
743
744 sub Xtail_ssse3()
745 { use integer;
746   my $body = shift;
747   my @insns = (&$body,&$body,&$body,&$body);    # 32 instructions
748   my ($a,$b,$c,$d,$e);
749
750         foreach (@insns) { eval; }
751 }
752
753 sub body_00_19 () {
754         (
755         '($a,$b,$c,$d,$e)=@V;'.
756         '&add   ($e,&DWP(4*($j&15),"esp"));',   # X[]+K xfer
757         '&xor   ($c,$d);',
758         '&mov   (@T[1],$a);',   # $b in next round
759         '&$_rol ($a,5);',
760         '&and   (@T[0],$c);',   # ($b&($c^$d))
761         '&xor   ($c,$d);',      # restore $c
762         '&xor   (@T[0],$d);',
763         '&add   ($e,$a);',
764         '&$_ror ($b,$j?7:2);',  # $b>>>2
765         '&add   ($e,@T[0]);'    .'$j++; unshift(@V,pop(@V)); unshift(@T,pop(@T));'
766         );
767 }
768
769 sub body_20_39 () {
770         (
771         '($a,$b,$c,$d,$e)=@V;'.
772         '&add   ($e,&DWP(4*($j++&15),"esp"));', # X[]+K xfer
773         '&xor   (@T[0],$d);',   # ($b^$d)
774         '&mov   (@T[1],$a);',   # $b in next round
775         '&$_rol ($a,5);',
776         '&xor   (@T[0],$c);',   # ($b^$d^$c)
777         '&add   ($e,$a);',
778         '&$_ror ($b,7);',       # $b>>>2
779         '&add   ($e,@T[0]);'    .'unshift(@V,pop(@V)); unshift(@T,pop(@T));'
780         );
781 }
782
783 sub body_40_59 () {
784         (
785         '($a,$b,$c,$d,$e)=@V;'.
786         '&xor   (@T[0],$c);',
787         '&xor   (@T[1],$d);',
788         '&add   ($e,&DWP(4*($j++&15),"esp"));', # X[]+K xfer
789         '&and   (@T[0],@T[1]);',
790         '&$_ror ($b,7);',       # $b>>>2
791         '&xor   (@T[0],$c);',
792         '&mov   (@T[1],$a);',   # $b in next round
793         '&$_rol ($a,5);',
794         '&add   ($e,@T[0]);',
795         '&mov   (@T[0],$b);',   # copy of $c in next round
796         '&add   ($e,$a);'       .'unshift(@V,pop(@V)); unshift(@T,pop(@T));'
797         );
798 }
799
800 &set_label("loop",16);
801         &Xupdate_ssse3_16_31(\&body_00_19);
802         &Xupdate_ssse3_16_31(\&body_00_19);
803         &Xupdate_ssse3_16_31(\&body_00_19);
804         &Xupdate_ssse3_16_31(\&body_00_19);
805         &Xupdate_ssse3_32_79(\&body_00_19);
806         &Xupdate_ssse3_32_79(\&body_20_39);
807         &Xupdate_ssse3_32_79(\&body_20_39);
808         &Xupdate_ssse3_32_79(\&body_20_39);
809         &Xupdate_ssse3_32_79(\&body_20_39);
810         &Xupdate_ssse3_32_79(\&body_20_39);
811         &mov    (@T[1],@V[2]);  # copy of $c in next round
812         &Xupdate_ssse3_32_79(\&body_40_59);
813         &Xupdate_ssse3_32_79(\&body_40_59);
814         &Xupdate_ssse3_32_79(\&body_40_59);
815         &Xupdate_ssse3_32_79(\&body_40_59);
816         &Xupdate_ssse3_32_79(\&body_40_59);
817         &Xupdate_ssse3_32_79(\&body_20_39);
818         &Xuplast_ssse3_80(\&body_20_39);        # can jump to "done"
819
820                                 $saved_j=$j; @saved_V=@V;
821
822         &Xloop_ssse3(\&body_20_39);
823         &Xloop_ssse3(\&body_20_39);
824         &Xloop_ssse3(\&body_20_39);
825
826         &mov    (@T[1],&DWP(192,"esp"));        # update context
827         &add    ($A,&DWP(0,@T[1]));
828         &add    (@T[0],&DWP(4,@T[1]));          # $b
829         &add    ($C,&DWP(8,@T[1]));
830         &mov    (&DWP(0,@T[1]),$A);
831         &add    ($D,&DWP(12,@T[1]));
832         &mov    (&DWP(4,@T[1]),@T[0]);
833         &add    ($E,&DWP(16,@T[1]));
834         &mov    (&DWP(8,@T[1]),$C);
835         &mov    ($B,@T[0]);
836         &mov    (&DWP(12,@T[1]),$D);
837         &mov    (&DWP(16,@T[1]),$E);
838         &movdqa (@X[0],@X[-3&7]);
839
840         &jmp    (&label("loop"));
841
842 &set_label("done",16);          $j=$saved_j; @V=@saved_V;
843
844         &Xtail_ssse3(\&body_20_39);
845         &Xtail_ssse3(\&body_20_39);
846         &Xtail_ssse3(\&body_20_39);
847
848         &mov    (@T[1],&DWP(192,"esp"));        # update context
849         &add    ($A,&DWP(0,@T[1]));
850         &mov    ("esp",&DWP(192+12,"esp"));     # restore %esp
851         &add    (@T[0],&DWP(4,@T[1]));          # $b
852         &add    ($C,&DWP(8,@T[1]));
853         &mov    (&DWP(0,@T[1]),$A);
854         &add    ($D,&DWP(12,@T[1]));
855         &mov    (&DWP(4,@T[1]),@T[0]);
856         &add    ($E,&DWP(16,@T[1]));
857         &mov    (&DWP(8,@T[1]),$C);
858         &mov    (&DWP(12,@T[1]),$D);
859         &mov    (&DWP(16,@T[1]),$E);
860
861 &function_end("_sha1_block_data_order_ssse3");
862
863 if ($ymm) {
864 my $Xi=4;                       # 4xSIMD Xupdate round, start pre-seeded
865 my @X=map("xmm$_",(4..7,0..3)); # pre-seeded for $Xi=4
866 my @V=($A,$B,$C,$D,$E);
867 my $j=0;                        # hash round
868 my @T=($T,$tmp1);
869 my $inp;
870
871 my $_rol=sub { &shld(@_[0],@_) };
872 my $_ror=sub { &shrd(@_[0],@_) };
873
874 &function_begin("_sha1_block_data_order_avx");
875         &call   (&label("pic_point"));  # make it PIC!
876         &set_label("pic_point");
877         &blindpop($tmp1);
878         &lea    ($tmp1,&DWP(&label("K_XX_XX")."-".&label("pic_point"),$tmp1));
879 &set_label("avx_shortcut");
880         &vzeroall();
881
882         &vmovdqa(@X[3],&QWP(0,$tmp1));          # K_00_19
883         &vmovdqa(@X[4],&QWP(16,$tmp1));         # K_20_39
884         &vmovdqa(@X[5],&QWP(32,$tmp1));         # K_40_59
885         &vmovdqa(@X[6],&QWP(48,$tmp1));         # K_60_79
886         &vmovdqa(@X[2],&QWP(64,$tmp1));         # pbswap mask
887
888         &mov    ($E,&wparam(0));                # load argument block
889         &mov    ($inp=@T[1],&wparam(1));
890         &mov    ($D,&wparam(2));
891         &mov    (@T[0],"esp");
892
893         # stack frame layout
894         #
895         # +0    X[0]+K  X[1]+K  X[2]+K  X[3]+K  # XMM->IALU xfer area
896         #       X[4]+K  X[5]+K  X[6]+K  X[7]+K
897         #       X[8]+K  X[9]+K  X[10]+K X[11]+K
898         #       X[12]+K X[13]+K X[14]+K X[15]+K
899         #
900         # +64   X[0]    X[1]    X[2]    X[3]    # XMM->XMM backtrace area
901         #       X[4]    X[5]    X[6]    X[7]
902         #       X[8]    X[9]    X[10]   X[11]   # even borrowed for K_00_19
903         #
904         # +112  K_20_39 K_20_39 K_20_39 K_20_39 # constants
905         #       K_40_59 K_40_59 K_40_59 K_40_59
906         #       K_60_79 K_60_79 K_60_79 K_60_79
907         #       K_00_19 K_00_19 K_00_19 K_00_19
908         #       pbswap mask
909         #
910         # +192  ctx                             # argument block
911         # +196  inp
912         # +200  end
913         # +204  esp
914         &sub    ("esp",208);
915         &and    ("esp",-64);
916
917         &vmovdqa(&QWP(112+0,"esp"),@X[4]);      # copy constants
918         &vmovdqa(&QWP(112+16,"esp"),@X[5]);
919         &vmovdqa(&QWP(112+32,"esp"),@X[6]);
920         &shl    ($D,6);                         # len*64
921         &vmovdqa(&QWP(112+48,"esp"),@X[3]);
922         &add    ($D,$inp);                      # end of input
923         &vmovdqa(&QWP(112+64,"esp"),@X[2]);
924         &add    ($inp,64);
925         &mov    (&DWP(192+0,"esp"),$E);         # save argument block
926         &mov    (&DWP(192+4,"esp"),$inp);
927         &mov    (&DWP(192+8,"esp"),$D);
928         &mov    (&DWP(192+12,"esp"),@T[0]);     # save original %esp
929
930         &mov    ($A,&DWP(0,$E));                # load context
931         &mov    ($B,&DWP(4,$E));
932         &mov    ($C,&DWP(8,$E));
933         &mov    ($D,&DWP(12,$E));
934         &mov    ($E,&DWP(16,$E));
935         &mov    (@T[0],$B);                     # magic seed
936
937         &vmovdqu(@X[-4&7],&QWP(-64,$inp));      # load input to %xmm[0-3]
938         &vmovdqu(@X[-3&7],&QWP(-48,$inp));
939         &vmovdqu(@X[-2&7],&QWP(-32,$inp));
940         &vmovdqu(@X[-1&7],&QWP(-16,$inp));
941         &vpshufb(@X[-4&7],@X[-4&7],@X[2]);      # byte swap
942         &vpshufb(@X[-3&7],@X[-3&7],@X[2]);
943         &vpshufb(@X[-2&7],@X[-2&7],@X[2]);
944         &vmovdqa(&QWP(112-16,"esp"),@X[3]);     # borrow last backtrace slot
945         &vpshufb(@X[-1&7],@X[-1&7],@X[2]);
946         &vpaddd (@X[0],@X[-4&7],@X[3]);         # add K_00_19
947         &vpaddd (@X[1],@X[-3&7],@X[3]);
948         &vpaddd (@X[2],@X[-2&7],@X[3]);
949         &vmovdqa(&QWP(0,"esp"),@X[0]);          # X[]+K xfer to IALU
950         &vmovdqa(&QWP(0+16,"esp"),@X[1]);
951         &vmovdqa(&QWP(0+32,"esp"),@X[2]);
952         &jmp    (&label("loop"));
953
954 sub Xupdate_avx_16_31()         # recall that $Xi starts wtih 4
955 { use integer;
956   my $body = shift;
957   my @insns = (&$body,&$body,&$body,&$body);    # 40 instructions
958   my ($a,$b,$c,$d,$e);
959
960          eval(shift(@insns));
961          eval(shift(@insns));
962         &vpalignr(@X[0],@X[-3&7],@X[-4&7],8);   # compose "X[-14]" in "X[0]"
963          eval(shift(@insns));
964          eval(shift(@insns));
965
966           &vpaddd       (@X[3],@X[3],@X[-1&7]);
967           &vmovdqa      (&QWP(64+16*(($Xi-4)%3),"esp"),@X[-4&7]);# save X[] to backtrace buffer
968          eval(shift(@insns));
969          eval(shift(@insns));
970         &vpsrldq(@X[2],@X[-1&7],4);             # "X[-3]", 3 dwords
971          eval(shift(@insns));
972          eval(shift(@insns));
973         &vpxor  (@X[0],@X[0],@X[-4&7]);         # "X[0]"^="X[-16]"
974          eval(shift(@insns));
975          eval(shift(@insns));
976
977         &vpxor  (@X[2],@X[2],@X[-2&7]);         # "X[-3]"^"X[-8]"
978          eval(shift(@insns));
979          eval(shift(@insns));
980           &vmovdqa      (&QWP(0+16*(($Xi-1)&3),"esp"),@X[3]);   # X[]+K xfer to IALU
981          eval(shift(@insns));
982          eval(shift(@insns));
983
984         &vpxor  (@X[0],@X[0],@X[2]);            # "X[0]"^="X[-3]"^"X[-8]"
985          eval(shift(@insns));
986          eval(shift(@insns));
987          eval(shift(@insns));
988          eval(shift(@insns));
989
990         &vpsrld (@X[2],@X[0],31);
991          eval(shift(@insns));
992          eval(shift(@insns));
993          eval(shift(@insns));
994          eval(shift(@insns));
995
996         &vpslldq(@X[4],@X[0],12);               # "X[0]"<<96, extract one dword
997         &vpaddd (@X[0],@X[0],@X[0]);
998          eval(shift(@insns));
999          eval(shift(@insns));
1000          eval(shift(@insns));
1001          eval(shift(@insns));
1002
1003         &vpsrld (@X[3],@X[4],30);
1004         &vpor   (@X[0],@X[0],@X[2]);            # "X[0]"<<<=1
1005          eval(shift(@insns));
1006          eval(shift(@insns));
1007          eval(shift(@insns));
1008          eval(shift(@insns));
1009
1010         &vpslld (@X[4],@X[4],2);
1011           &vmovdqa      (@X[2],&QWP(64+16*(($Xi-6)%3),"esp")) if ($Xi>5);       # restore X[] from backtrace buffer
1012          eval(shift(@insns));
1013          eval(shift(@insns));
1014         &vpxor  (@X[0],@X[0],@X[3]);
1015          eval(shift(@insns));
1016          eval(shift(@insns));
1017          eval(shift(@insns));
1018          eval(shift(@insns));
1019
1020         &vpxor  (@X[0],@X[0],@X[4]);            # "X[0]"^=("X[0]"<<96)<<<2
1021          eval(shift(@insns));
1022          eval(shift(@insns));
1023           &vmovdqa      (@X[4],&QWP(112-16+16*(($Xi)/5),"esp"));        # K_XX_XX
1024          eval(shift(@insns));
1025          eval(shift(@insns));
1026
1027          foreach (@insns) { eval; }     # remaining instructions [if any]
1028
1029   $Xi++;        push(@X,shift(@X));     # "rotate" X[]
1030 }
1031
1032 sub Xupdate_avx_32_79()
1033 { use integer;
1034   my $body = shift;
1035   my @insns = (&$body,&$body,&$body,&$body);    # 32 to 44 instructions
1036   my ($a,$b,$c,$d,$e);
1037
1038         &vpalignr(@X[2],@X[-1&7],@X[-2&7],8);   # compose "X[-6]"
1039         &vpxor  (@X[0],@X[0],@X[-4&7]); # "X[0]"="X[-32]"^"X[-16]"
1040          eval(shift(@insns));           # body_20_39
1041          eval(shift(@insns));
1042          eval(shift(@insns));
1043          eval(shift(@insns));           # rol
1044
1045         &vpxor  (@X[0],@X[0],@X[-7&7]); # "X[0]"^="X[-28]"
1046           &vmovdqa      (&QWP(64+16*(($Xi-4)%3),"esp"),@X[-4&7]);       # save X[] to backtrace buffer
1047          eval(shift(@insns));
1048          eval(shift(@insns));
1049          if ($Xi%5) {
1050           &vmovdqa      (@X[4],@X[3]);  # "perpetuate" K_XX_XX...
1051          } else {                       # ... or load next one
1052           &vmovdqa      (@X[4],&QWP(112-16+16*($Xi/5),"esp"));
1053          }
1054           &vpaddd       (@X[3],@X[3],@X[-1&7]);
1055          eval(shift(@insns));           # ror
1056          eval(shift(@insns));
1057
1058         &vpxor  (@X[0],@X[0],@X[2]);            # "X[0]"^="X[-6]"
1059          eval(shift(@insns));           # body_20_39
1060          eval(shift(@insns));
1061          eval(shift(@insns));
1062          eval(shift(@insns));           # rol
1063
1064         &vpsrld (@X[2],@X[0],30);
1065           &vmovdqa      (&QWP(0+16*(($Xi-1)&3),"esp"),@X[3]);   # X[]+K xfer to IALU
1066          eval(shift(@insns));
1067          eval(shift(@insns));
1068          eval(shift(@insns));           # ror
1069          eval(shift(@insns));
1070
1071         &vpslld (@X[0],@X[0],2);
1072          eval(shift(@insns));           # body_20_39
1073          eval(shift(@insns));
1074          eval(shift(@insns));
1075          eval(shift(@insns));           # rol
1076          eval(shift(@insns));
1077          eval(shift(@insns));
1078          eval(shift(@insns));           # ror
1079          eval(shift(@insns));
1080
1081         &vpor   (@X[0],@X[0],@X[2]);    # "X[0]"<<<=2
1082          eval(shift(@insns));           # body_20_39
1083          eval(shift(@insns));
1084           &vmovdqa      (@X[2],&QWP(64+16*(($Xi-6)%3),"esp")) if($Xi<19);       # restore X[] from backtrace buffer
1085          eval(shift(@insns));
1086          eval(shift(@insns));           # rol
1087          eval(shift(@insns));
1088          eval(shift(@insns));
1089          eval(shift(@insns));           # ror
1090          eval(shift(@insns));
1091
1092          foreach (@insns) { eval; }     # remaining instructions
1093
1094   $Xi++;        push(@X,shift(@X));     # "rotate" X[]
1095 }
1096
1097 sub Xuplast_avx_80()
1098 { use integer;
1099   my $body = shift;
1100   my @insns = (&$body,&$body,&$body,&$body);    # 32 instructions
1101   my ($a,$b,$c,$d,$e);
1102
1103          eval(shift(@insns));
1104           &vpaddd       (@X[3],@X[3],@X[-1&7]);
1105          eval(shift(@insns));
1106          eval(shift(@insns));
1107          eval(shift(@insns));
1108          eval(shift(@insns));
1109
1110           &vmovdqa      (&QWP(0+16*(($Xi-1)&3),"esp"),@X[3]);   # X[]+K xfer IALU
1111
1112          foreach (@insns) { eval; }             # remaining instructions
1113
1114         &mov    ($inp=@T[1],&DWP(192+4,"esp"));
1115         &cmp    ($inp,&DWP(192+8,"esp"));
1116         &je     (&label("done"));
1117
1118         &vmovdqa(@X[3],&QWP(112+48,"esp"));     # K_00_19
1119         &vmovdqa(@X[2],&QWP(112+64,"esp"));     # pbswap mask
1120         &vmovdqu(@X[-4&7],&QWP(0,$inp));        # load input
1121         &vmovdqu(@X[-3&7],&QWP(16,$inp));
1122         &vmovdqu(@X[-2&7],&QWP(32,$inp));
1123         &vmovdqu(@X[-1&7],&QWP(48,$inp));
1124         &add    ($inp,64);
1125         &vpshufb(@X[-4&7],@X[-4&7],@X[2]);              # byte swap
1126         &mov    (&DWP(192+4,"esp"),$inp);
1127         &vmovdqa(&QWP(112-16,"esp"),@X[3]);     # borrow last backtrace slot
1128
1129   $Xi=0;
1130 }
1131
1132 sub Xloop_avx()
1133 { use integer;
1134   my $body = shift;
1135   my @insns = (&$body,&$body,&$body,&$body);    # 32 instructions
1136   my ($a,$b,$c,$d,$e);
1137
1138          eval(shift(@insns));
1139          eval(shift(@insns));
1140         &vpshufb        (@X[($Xi-3)&7],@X[($Xi-3)&7],@X[2]);
1141          eval(shift(@insns));
1142          eval(shift(@insns));
1143         &vpaddd (@X[$Xi&7],@X[($Xi-4)&7],@X[3]);
1144          eval(shift(@insns));
1145          eval(shift(@insns));
1146          eval(shift(@insns));
1147          eval(shift(@insns));
1148         &vmovdqa        (&QWP(0+16*$Xi,"esp"),@X[$Xi&7]);       # X[]+K xfer to IALU
1149          eval(shift(@insns));
1150          eval(shift(@insns));
1151
1152         foreach (@insns) { eval; }
1153   $Xi++;
1154 }
1155
1156 sub Xtail_avx()
1157 { use integer;
1158   my $body = shift;
1159   my @insns = (&$body,&$body,&$body,&$body);    # 32 instructions
1160   my ($a,$b,$c,$d,$e);
1161
1162         foreach (@insns) { eval; }
1163 }
1164
1165 &set_label("loop",16);
1166         &Xupdate_avx_16_31(\&body_00_19);
1167         &Xupdate_avx_16_31(\&body_00_19);
1168         &Xupdate_avx_16_31(\&body_00_19);
1169         &Xupdate_avx_16_31(\&body_00_19);
1170         &Xupdate_avx_32_79(\&body_00_19);
1171         &Xupdate_avx_32_79(\&body_20_39);
1172         &Xupdate_avx_32_79(\&body_20_39);
1173         &Xupdate_avx_32_79(\&body_20_39);
1174         &Xupdate_avx_32_79(\&body_20_39);
1175         &Xupdate_avx_32_79(\&body_20_39);
1176         &mov    (@T[1],@V[2]);  # copy of $c in next round
1177         &Xupdate_avx_32_79(\&body_40_59);
1178         &Xupdate_avx_32_79(\&body_40_59);
1179         &Xupdate_avx_32_79(\&body_40_59);
1180         &Xupdate_avx_32_79(\&body_40_59);
1181         &Xupdate_avx_32_79(\&body_40_59);
1182         &Xupdate_avx_32_79(\&body_20_39);
1183         &Xuplast_avx_80(\&body_20_39);  # can jump to "done"
1184
1185                                 $saved_j=$j; @saved_V=@V;
1186
1187         &Xloop_avx(\&body_20_39);
1188         &Xloop_avx(\&body_20_39);
1189         &Xloop_avx(\&body_20_39);
1190
1191         &mov    (@T[1],&DWP(192,"esp"));        # update context
1192         &add    ($A,&DWP(0,@T[1]));
1193         &add    (@T[0],&DWP(4,@T[1]));          # $b
1194         &add    ($C,&DWP(8,@T[1]));
1195         &mov    (&DWP(0,@T[1]),$A);
1196         &add    ($D,&DWP(12,@T[1]));
1197         &mov    (&DWP(4,@T[1]),@T[0]);
1198         &add    ($E,&DWP(16,@T[1]));
1199         &mov    (&DWP(8,@T[1]),$C);
1200         &mov    ($B,@T[0]);
1201         &mov    (&DWP(12,@T[1]),$D);
1202         &mov    (&DWP(16,@T[1]),$E);
1203
1204         &jmp    (&label("loop"));
1205
1206 &set_label("done",16);          $j=$saved_j; @V=@saved_V;
1207
1208         &Xtail_avx(\&body_20_39);
1209         &Xtail_avx(\&body_20_39);
1210         &Xtail_avx(\&body_20_39);
1211
1212         &vzeroall();
1213
1214         &mov    (@T[1],&DWP(192,"esp"));        # update context
1215         &add    ($A,&DWP(0,@T[1]));
1216         &mov    ("esp",&DWP(192+12,"esp"));     # restore %esp
1217         &add    (@T[0],&DWP(4,@T[1]));          # $b
1218         &add    ($C,&DWP(8,@T[1]));
1219         &mov    (&DWP(0,@T[1]),$A);
1220         &add    ($D,&DWP(12,@T[1]));
1221         &mov    (&DWP(4,@T[1]),@T[0]);
1222         &add    ($E,&DWP(16,@T[1]));
1223         &mov    (&DWP(8,@T[1]),$C);
1224         &mov    (&DWP(12,@T[1]),$D);
1225         &mov    (&DWP(16,@T[1]),$E);
1226 &function_end("_sha1_block_data_order_avx");
1227 }
1228 &set_label("K_XX_XX",64);
1229 &data_word(0x5a827999,0x5a827999,0x5a827999,0x5a827999);        # K_00_19
1230 &data_word(0x6ed9eba1,0x6ed9eba1,0x6ed9eba1,0x6ed9eba1);        # K_20_39
1231 &data_word(0x8f1bbcdc,0x8f1bbcdc,0x8f1bbcdc,0x8f1bbcdc);        # K_40_59
1232 &data_word(0xca62c1d6,0xca62c1d6,0xca62c1d6,0xca62c1d6);        # K_60_79
1233 &data_word(0x00010203,0x04050607,0x08090a0b,0x0c0d0e0f);        # pbswap mask
1234 }
1235 &asciz("SHA1 block transform for x86, CRYPTOGAMS by <appro\@openssl.org>");
1236
1237 &asm_finish();