crypto/sha/asm/sha1-586.pl

   1 #! /usr/bin/env perl
   2 # Copyright 1998-2016 The OpenSSL Project Authors. All Rights Reserved.
   3 #
   4 # Licensed under the OpenSSL license (the "License").  You may not use
   5 # this file except in compliance with the License.  You can obtain a copy
   6 # in the file LICENSE in the source distribution or at
   7 # https://www.openssl.org/source/license.html
   8
   9
  10 # ====================================================================
  11 # [Re]written by Andy Polyakov <appro@openssl.org> for the OpenSSL
  12 # project. The module is, however, dual licensed under OpenSSL and
  13 # CRYPTOGAMS licenses depending on where you obtain it. For further
  14 # details see http://www.openssl.org/~appro/cryptogams/.
  15 # ====================================================================
  16
  17 # "[Re]written" was achieved in two major overhauls. In 2004 BODY_*
  18 # functions were re-implemented to address P4 performance issue [see
  19 # commentary below], and in 2006 the rest was rewritten in order to
  20 # gain freedom to liberate licensing terms.
  21
  22 # January, September 2004.
  23 #
  24 # It was noted that Intel IA-32 C compiler generates code which
  25 # performs ~30% *faster* on P4 CPU than original *hand-coded*
  26 # SHA1 assembler implementation. To address this problem (and
  27 # prove that humans are still better than machines:-), the
  28 # original code was overhauled, which resulted in following
  29 # performance changes:
  30 #
  31 #               compared with original  compared with Intel cc
  32 #               assembler impl.         generated code
  33 # Pentium       -16%                    +48%
  34 # PIII/AMD      +8%                     +16%
  35 # P4            +85%(!)                 +45%
  36 #
  37 # As you can see Pentium came out as looser:-( Yet I reckoned that
  38 # improvement on P4 outweights the loss and incorporate this
  39 # re-tuned code to 0.9.7 and later.
  40 # ----------------------------------------------------------------
  41
  42 # August 2009.
  43 #
  44 # George Spelvin has tipped that F_40_59(b,c,d) can be rewritten as
  45 # '(c&d) + (b&(c^d))', which allows to accumulate partial results
  46 # and lighten "pressure" on scratch registers. This resulted in
  47 # >12% performance improvement on contemporary AMD cores (with no
  48 # degradation on other CPUs:-). Also, the code was revised to maximize
  49 # "distance" between instructions producing input to 'lea' instruction
  50 # and the 'lea' instruction itself, which is essential for Intel Atom
  51 # core and resulted in ~15% improvement.
  52
  53 # October 2010.
  54 #
  55 # Add SSSE3, Supplemental[!] SSE3, implementation. The idea behind it
  56 # is to offload message schedule denoted by Wt in NIST specification,
  57 # or Xupdate in OpenSSL source, to SIMD unit. The idea is not novel,
  58 # and in SSE2 context was first explored by Dean Gaudet in 2004, see
  59 # http://arctic.org/~dean/crypto/sha1.html. Since then several things
  60 # have changed that made it interesting again:
  61 #
  62 # a) XMM units became faster and wider;
  63 # b) instruction set became more versatile;
  64 # c) an important observation was made by Max Locktykhin, which made
  65 #    it possible to reduce amount of instructions required to perform
  66 #    the operation in question, for further details see
  67 #    http://software.intel.com/en-us/articles/improving-the-performance-of-the-secure-hash-algorithm-1/.
  68
  69 # April 2011.
  70 #
  71 # Add AVX code path, probably most controversial... The thing is that
  72 # switch to AVX alone improves performance by as little as 4% in
  73 # comparison to SSSE3 code path. But below result doesn't look like
  74 # 4% improvement... Trouble is that Sandy Bridge decodes 'ro[rl]' as
  75 # pair of µ-ops, and it's the additional µ-ops, two per round, that
  76 # make it run slower than Core2 and Westmere. But 'sh[rl]d' is decoded
  77 # as single µ-op by Sandy Bridge and it's replacing 'ro[rl]' with
  78 # equivalent 'sh[rl]d' that is responsible for the impressive 5.1
  79 # cycles per processed byte. But 'sh[rl]d' is not something that used
  80 # to be fast, nor does it appear to be fast in upcoming Bulldozer
  81 # [according to its optimization manual]. Which is why AVX code path
  82 # is guarded by *both* AVX and synthetic bit denoting Intel CPUs.
  83 # One can argue that it's unfair to AMD, but without 'sh[rl]d' it
  84 # makes no sense to keep the AVX code path. If somebody feels that
  85 # strongly, it's probably more appropriate to discuss possibility of
  86 # using vector rotate XOP on AMD...
  87
  88 # March 2014.
  89 #
  90 # Add support for Intel SHA Extensions.
  91
  92 ######################################################################
  93 # Current performance is summarized in following table. Numbers are
  94 # CPU clock cycles spent to process single byte (less is better).
  95 #
  96 #               x86             SSSE3           AVX
  97 # Pentium       15.7            -
  98 # PIII          11.5            -
  99 # P4            10.6            -
 100 # AMD K8        7.1             -
 101 # Core2         7.3             6.0/+22%        -
 102 # Westmere      7.3             5.5/+33%        -
 103 # Sandy Bridge  8.8             6.2/+40%        5.1(**)/+73%
 104 # Ivy Bridge    7.2             4.8/+51%        4.7(**)/+53%
 105 # Haswell       6.5             4.3/+51%        4.1(**)/+58%
 106 # Skylake       6.4             4.1/+55%        4.1(**)/+55%
 107 # Bulldozer     11.6            6.0/+92%
 108 # VIA Nano      10.6            7.5/+41%
 109 # Atom          12.5            9.3(*)/+35%
 110 # Silvermont    14.5            9.9(*)/+46%
 111 # Goldmont      8.8             6.7/+30%        1.7(***)/+415%
 112 #
 113 # (*)   Loop is 1056 instructions long and expected result is ~8.25.
 114 #       The discrepancy is because of front-end limitations, so
 115 #       called MS-ROM penalties, and on Silvermont even rotate's
 116 #       limited parallelism.
 117 #
 118 # (**)  As per above comment, the result is for AVX *plus* sh[rl]d.
 119 #
 120 # (***) SHAEXT result
 121
 122 $0 =~ m/(.*[\/\\])[^\/\\]+$/; $dir=$1;
 123 push(@INC,"${dir}","${dir}../../perlasm");
 124 require "x86asm.pl";
 125
 126 $output=pop;
 127 open STDOUT,">$output";
 128
 129 &asm_init($ARGV[0],$ARGV[$#ARGV] eq "386");
 130
 131 $xmm=$ymm=0;
 132 for (@ARGV) { $xmm=1 if (/-DOPENSSL_IA32_SSE2/); }
 133
 134 $ymm=1 if ($xmm &&
 135                 `$ENV{CC} -Wa,-v -c -o /dev/null -x assembler /dev/null 2>&1`
 136                         =~ /GNU assembler version ([2-9]\.[0-9]+)/ &&
 137                 $1>=2.19);      # first version supporting AVX
 138
 139 $ymm=1 if ($xmm && !$ymm && $ARGV[0] eq "win32n" &&
 140                 `nasm -v 2>&1` =~ /NASM version ([2-9]\.[0-9]+)/ &&
 141                 $1>=2.03);      # first version supporting AVX
 142
 143 $ymm=1 if ($xmm && !$ymm && $ARGV[0] eq "win32" &&
 144                 `ml 2>&1` =~ /Version ([0-9]+)\./ &&
 145                 $1>=10);        # first version supporting AVX
 146
 147 $ymm=1 if ($xmm && !$ymm && `$ENV{CC} -v 2>&1` =~ /(^clang version|based on LLVM) ([3-9]\.[0-9]+)/ &&
 148                 $2>=3.0);       # first version supporting AVX
 149
 150 $shaext=$xmm;   ### set to zero if compiling for 1.0.1
 151
 152 &external_label("OPENSSL_ia32cap_P") if ($xmm);
 153
 154
 155 $A="eax";
 156 $B="ebx";
 157 $C="ecx";
 158 $D="edx";
 159 $E="edi";
 160 $T="esi";
 161 $tmp1="ebp";
 162
 163 @V=($A,$B,$C,$D,$E,$T);
 164
 165 $alt=0; # 1 denotes alternative IALU implementation, which performs
 166         # 8% *worse* on P4, same on Westmere and Atom, 2% better on
 167         # Sandy Bridge...
 168
 169 sub BODY_00_15
 170         {
 171         local($n,$a,$b,$c,$d,$e,$f)=@_;
 172
 173         &comment("00_15 $n");
 174
 175         &mov($f,$c);                    # f to hold F_00_19(b,c,d)
 176          if ($n==0)  { &mov($tmp1,$a); }
 177          else        { &mov($a,$tmp1); }
 178         &rotl($tmp1,5);                 # tmp1=ROTATE(a,5)
 179          &xor($f,$d);
 180         &add($tmp1,$e);                 # tmp1+=e;
 181          &mov($e,&swtmp($n%16));        # e becomes volatile and is loaded
 182                                         # with xi, also note that e becomes
 183                                         # f in next round...
 184         &and($f,$b);
 185         &rotr($b,2);                    # b=ROTATE(b,30)
 186          &xor($f,$d);                   # f holds F_00_19(b,c,d)
 187         &lea($tmp1,&DWP(0x5a827999,$tmp1,$e));  # tmp1+=K_00_19+xi
 188
 189         if ($n==15) { &mov($e,&swtmp(($n+1)%16));# pre-fetch f for next round
 190                       &add($f,$tmp1); } # f+=tmp1
 191         else        { &add($tmp1,$f); } # f becomes a in next round
 192         &mov($tmp1,$a)                  if ($alt && $n==15);
 193         }
 194
 195 sub BODY_16_19
 196         {
 197         local($n,$a,$b,$c,$d,$e,$f)=@_;
 198
 199         &comment("16_19 $n");
 200
 201 if ($alt) {
 202         &xor($c,$d);
 203          &xor($f,&swtmp(($n+2)%16));    # f to hold Xupdate(xi,xa,xb,xc,xd)
 204         &and($tmp1,$c);                 # tmp1 to hold F_00_19(b,c,d), b&=c^d
 205          &xor($f,&swtmp(($n+8)%16));
 206         &xor($tmp1,$d);                 # tmp1=F_00_19(b,c,d)
 207          &xor($f,&swtmp(($n+13)%16));   # f holds xa^xb^xc^xd
 208         &rotl($f,1);                    # f=ROTATE(f,1)
 209          &add($e,$tmp1);                # e+=F_00_19(b,c,d)
 210         &xor($c,$d);                    # restore $c
 211          &mov($tmp1,$a);                # b in next round
 212         &rotr($b,$n==16?2:7);           # b=ROTATE(b,30)
 213          &mov(&swtmp($n%16),$f);        # xi=f
 214         &rotl($a,5);                    # ROTATE(a,5)
 215          &lea($f,&DWP(0x5a827999,$f,$e));# f+=F_00_19(b,c,d)+e
 216         &mov($e,&swtmp(($n+1)%16));     # pre-fetch f for next round
 217          &add($f,$a);                   # f+=ROTATE(a,5)
 218 } else {
 219         &mov($tmp1,$c);                 # tmp1 to hold F_00_19(b,c,d)
 220          &xor($f,&swtmp(($n+2)%16));    # f to hold Xupdate(xi,xa,xb,xc,xd)
 221         &xor($tmp1,$d);
 222          &xor($f,&swtmp(($n+8)%16));
 223         &and($tmp1,$b);
 224          &xor($f,&swtmp(($n+13)%16));   # f holds xa^xb^xc^xd
 225         &rotl($f,1);                    # f=ROTATE(f,1)
 226          &xor($tmp1,$d);                # tmp1=F_00_19(b,c,d)
 227         &add($e,$tmp1);                 # e+=F_00_19(b,c,d)
 228          &mov($tmp1,$a);
 229         &rotr($b,2);                    # b=ROTATE(b,30)
 230          &mov(&swtmp($n%16),$f);        # xi=f
 231         &rotl($tmp1,5);                 # ROTATE(a,5)
 232          &lea($f,&DWP(0x5a827999,$f,$e));# f+=F_00_19(b,c,d)+e
 233         &mov($e,&swtmp(($n+1)%16));     # pre-fetch f for next round
 234          &add($f,$tmp1);                # f+=ROTATE(a,5)
 235 }
 236         }
 237
 238 sub BODY_20_39
 239         {
 240         local($n,$a,$b,$c,$d,$e,$f)=@_;
 241         local $K=($n<40)?0x6ed9eba1:0xca62c1d6;
 242
 243         &comment("20_39 $n");
 244
 245 if ($alt) {
 246         &xor($tmp1,$c);                 # tmp1 to hold F_20_39(b,c,d), b^=c
 247          &xor($f,&swtmp(($n+2)%16));    # f to hold Xupdate(xi,xa,xb,xc,xd)
 248         &xor($tmp1,$d);                 # tmp1 holds F_20_39(b,c,d)
 249          &xor($f,&swtmp(($n+8)%16));
 250         &add($e,$tmp1);                 # e+=F_20_39(b,c,d)
 251          &xor($f,&swtmp(($n+13)%16));   # f holds xa^xb^xc^xd
 252         &rotl($f,1);                    # f=ROTATE(f,1)
 253          &mov($tmp1,$a);                # b in next round
 254         &rotr($b,7);                    # b=ROTATE(b,30)
 255          &mov(&swtmp($n%16),$f)         if($n<77);# xi=f
 256         &rotl($a,5);                    # ROTATE(a,5)
 257          &xor($b,$c)                    if($n==39);# warm up for BODY_40_59
 258         &and($tmp1,$b)                  if($n==39);
 259          &lea($f,&DWP($K,$f,$e));       # f+=e+K_XX_YY
 260         &mov($e,&swtmp(($n+1)%16))      if($n<79);# pre-fetch f for next round
 261          &add($f,$a);                   # f+=ROTATE(a,5)
 262         &rotr($a,5)                     if ($n==79);
 263 } else {
 264         &mov($tmp1,$b);                 # tmp1 to hold F_20_39(b,c,d)
 265          &xor($f,&swtmp(($n+2)%16));    # f to hold Xupdate(xi,xa,xb,xc,xd)
 266         &xor($tmp1,$c);
 267          &xor($f,&swtmp(($n+8)%16));
 268         &xor($tmp1,$d);                 # tmp1 holds F_20_39(b,c,d)
 269          &xor($f,&swtmp(($n+13)%16));   # f holds xa^xb^xc^xd
 270         &rotl($f,1);                    # f=ROTATE(f,1)
 271          &add($e,$tmp1);                # e+=F_20_39(b,c,d)
 272         &rotr($b,2);                    # b=ROTATE(b,30)
 273          &mov($tmp1,$a);
 274         &rotl($tmp1,5);                 # ROTATE(a,5)
 275          &mov(&swtmp($n%16),$f) if($n<77);# xi=f
 276         &lea($f,&DWP($K,$f,$e));        # f+=e+K_XX_YY
 277          &mov($e,&swtmp(($n+1)%16)) if($n<79);# pre-fetch f for next round
 278         &add($f,$tmp1);                 # f+=ROTATE(a,5)
 279 }
 280         }
 281
 282 sub BODY_40_59
 283         {
 284         local($n,$a,$b,$c,$d,$e,$f)=@_;
 285
 286         &comment("40_59 $n");
 287
 288 if ($alt) {
 289         &add($e,$tmp1);                 # e+=b&(c^d)
 290          &xor($f,&swtmp(($n+2)%16));    # f to hold Xupdate(xi,xa,xb,xc,xd)
 291         &mov($tmp1,$d);
 292          &xor($f,&swtmp(($n+8)%16));
 293         &xor($c,$d);                    # restore $c
 294          &xor($f,&swtmp(($n+13)%16));   # f holds xa^xb^xc^xd
 295         &rotl($f,1);                    # f=ROTATE(f,1)
 296          &and($tmp1,$c);
 297         &rotr($b,7);                    # b=ROTATE(b,30)
 298          &add($e,$tmp1);                # e+=c&d
 299         &mov($tmp1,$a);                 # b in next round
 300          &mov(&swtmp($n%16),$f);        # xi=f
 301         &rotl($a,5);                    # ROTATE(a,5)
 302          &xor($b,$c)                    if ($n<59);
 303         &and($tmp1,$b)                  if ($n<59);# tmp1 to hold F_40_59(b,c,d)
 304          &lea($f,&DWP(0x8f1bbcdc,$f,$e));# f+=K_40_59+e+(b&(c^d))
 305         &mov($e,&swtmp(($n+1)%16));     # pre-fetch f for next round
 306          &add($f,$a);                   # f+=ROTATE(a,5)
 307 } else {
 308         &mov($tmp1,$c);                 # tmp1 to hold F_40_59(b,c,d)
 309          &xor($f,&swtmp(($n+2)%16));    # f to hold Xupdate(xi,xa,xb,xc,xd)
 310         &xor($tmp1,$d);
 311          &xor($f,&swtmp(($n+8)%16));
 312         &and($tmp1,$b);
 313          &xor($f,&swtmp(($n+13)%16));   # f holds xa^xb^xc^xd
 314         &rotl($f,1);                    # f=ROTATE(f,1)
 315          &add($tmp1,$e);                # b&(c^d)+=e
 316         &rotr($b,2);                    # b=ROTATE(b,30)
 317          &mov($e,$a);                   # e becomes volatile
 318         &rotl($e,5);                    # ROTATE(a,5)
 319          &mov(&swtmp($n%16),$f);        # xi=f
 320         &lea($f,&DWP(0x8f1bbcdc,$f,$tmp1));# f+=K_40_59+e+(b&(c^d))
 321          &mov($tmp1,$c);
 322         &add($f,$e);                    # f+=ROTATE(a,5)
 323          &and($tmp1,$d);
 324         &mov($e,&swtmp(($n+1)%16));     # pre-fetch f for next round
 325          &add($f,$tmp1);                # f+=c&d
 326 }
 327         }
 328
 329 &function_begin("sha1_block_data_order");
 330 if ($xmm) {
 331   &static_label("shaext_shortcut")      if ($shaext);
 332   &static_label("ssse3_shortcut");
 333   &static_label("avx_shortcut")         if ($ymm);
 334   &static_label("K_XX_XX");
 335
 336         &call   (&label("pic_point"));  # make it PIC!
 337   &set_label("pic_point");
 338         &blindpop($tmp1);
 339         &picmeup($T,"OPENSSL_ia32cap_P",$tmp1,&label("pic_point"));
 340         &lea    ($tmp1,&DWP(&label("K_XX_XX")."-".&label("pic_point"),$tmp1));
 341
 342         &mov    ($A,&DWP(0,$T));
 343         &mov    ($D,&DWP(4,$T));
 344         &test   ($D,1<<9);              # check SSSE3 bit
 345         &jz     (&label("x86"));
 346         &mov    ($C,&DWP(8,$T));
 347         &test   ($A,1<<24);             # check FXSR bit
 348         &jz     (&label("x86"));
 349         if ($shaext) {
 350                 &test   ($C,1<<29);             # check SHA bit
 351                 &jnz    (&label("shaext_shortcut"));
 352         }
 353         if ($ymm) {
 354                 &and    ($D,1<<28);             # mask AVX bit
 355                 &and    ($A,1<<30);             # mask "Intel CPU" bit
 356                 &or     ($A,$D);
 357                 &cmp    ($A,1<<28|1<<30);
 358                 &je     (&label("avx_shortcut"));
 359         }
 360         &jmp    (&label("ssse3_shortcut"));
 361   &set_label("x86",16);
 362 }
 363         &mov($tmp1,&wparam(0)); # SHA_CTX *c
 364         &mov($T,&wparam(1));    # const void *input
 365         &mov($A,&wparam(2));    # size_t num
 366         &stack_push(16+3);      # allocate X[16]
 367         &shl($A,6);
 368         &add($A,$T);
 369         &mov(&wparam(2),$A);    # pointer beyond the end of input
 370         &mov($E,&DWP(16,$tmp1));# pre-load E
 371         &jmp(&label("loop"));
 372
 373 &set_label("loop",16);
 374
 375         # copy input chunk to X, but reversing byte order!
 376         for ($i=0; $i<16; $i+=4)
 377                 {
 378                 &mov($A,&DWP(4*($i+0),$T));
 379                 &mov($B,&DWP(4*($i+1),$T));
 380                 &mov($C,&DWP(4*($i+2),$T));
 381                 &mov($D,&DWP(4*($i+3),$T));
 382                 &bswap($A);
 383                 &bswap($B);
 384                 &bswap($C);
 385                 &bswap($D);
 386                 &mov(&swtmp($i+0),$A);
 387                 &mov(&swtmp($i+1),$B);
 388                 &mov(&swtmp($i+2),$C);
 389                 &mov(&swtmp($i+3),$D);
 390                 }
 391         &mov(&wparam(1),$T);    # redundant in 1st spin
 392
 393         &mov($A,&DWP(0,$tmp1)); # load SHA_CTX
 394         &mov($B,&DWP(4,$tmp1));
 395         &mov($C,&DWP(8,$tmp1));
 396         &mov($D,&DWP(12,$tmp1));
 397         # E is pre-loaded
 398
 399         for($i=0;$i<16;$i++)    { &BODY_00_15($i,@V); unshift(@V,pop(@V)); }
 400         for(;$i<20;$i++)        { &BODY_16_19($i,@V); unshift(@V,pop(@V)); }
 401         for(;$i<40;$i++)        { &BODY_20_39($i,@V); unshift(@V,pop(@V)); }
 402         for(;$i<60;$i++)        { &BODY_40_59($i,@V); unshift(@V,pop(@V)); }
 403         for(;$i<80;$i++)        { &BODY_20_39($i,@V); unshift(@V,pop(@V)); }
 404
 405         (($V[5] eq $D) and ($V[0] eq $E)) or die;       # double-check
 406
 407         &mov($tmp1,&wparam(0)); # re-load SHA_CTX*
 408         &mov($D,&wparam(1));    # D is last "T" and is discarded
 409
 410         &add($E,&DWP(0,$tmp1)); # E is last "A"...
 411         &add($T,&DWP(4,$tmp1));
 412         &add($A,&DWP(8,$tmp1));
 413         &add($B,&DWP(12,$tmp1));
 414         &add($C,&DWP(16,$tmp1));
 415
 416         &mov(&DWP(0,$tmp1),$E); # update SHA_CTX
 417          &add($D,64);           # advance input pointer
 418         &mov(&DWP(4,$tmp1),$T);
 419          &cmp($D,&wparam(2));   # have we reached the end yet?
 420         &mov(&DWP(8,$tmp1),$A);
 421          &mov($E,$C);           # C is last "E" which needs to be "pre-loaded"
 422         &mov(&DWP(12,$tmp1),$B);
 423          &mov($T,$D);           # input pointer
 424         &mov(&DWP(16,$tmp1),$C);
 425         &jb(&label("loop"));
 426
 427         &stack_pop(16+3);
 428 &function_end("sha1_block_data_order");
 429
 430 if ($xmm) {
 431 if ($shaext) {
 432 ######################################################################
 433 # Intel SHA Extensions implementation of SHA1 update function.
 434 #
 435 my ($ctx,$inp,$num)=("edi","esi","ecx");
 436 my ($ABCD,$E,$E_,$BSWAP)=map("xmm$_",(0..3));
 437 my @MSG=map("xmm$_",(4..7));
 438
 439 sub sha1rnds4 {
 440  my ($dst,$src,$imm)=@_;
 441     if ("$dst:$src" =~ /xmm([0-7]):xmm([0-7])/)
 442     {   &data_byte(0x0f,0x3a,0xcc,0xc0|($1<<3)|$2,$imm);        }
 443 }
 444 sub sha1op38 {
 445  my ($opcodelet,$dst,$src)=@_;
 446     if ("$dst:$src" =~ /xmm([0-7]):xmm([0-7])/)
 447     {   &data_byte(0x0f,0x38,$opcodelet,0xc0|($1<<3)|$2);       }
 448 }
 449 sub sha1nexte   { sha1op38(0xc8,@_); }
 450 sub sha1msg1    { sha1op38(0xc9,@_); }
 451 sub sha1msg2    { sha1op38(0xca,@_); }
 452
 453 &function_begin("_sha1_block_data_order_shaext");
 454         &call   (&label("pic_point"));  # make it PIC!
 455         &set_label("pic_point");
 456         &blindpop($tmp1);
 457         &lea    ($tmp1,&DWP(&label("K_XX_XX")."-".&label("pic_point"),$tmp1));
 458 &set_label("shaext_shortcut");
 459         &mov    ($ctx,&wparam(0));
 460         &mov    ("ebx","esp");
 461         &mov    ($inp,&wparam(1));
 462         &mov    ($num,&wparam(2));
 463         &sub    ("esp",32);
 464
 465         &movdqu ($ABCD,&QWP(0,$ctx));
 466         &movd   ($E,&DWP(16,$ctx));
 467         &and    ("esp",-32);
 468         &movdqa ($BSWAP,&QWP(0x50,$tmp1));      # byte-n-word swap
 469
 470         &movdqu (@MSG[0],&QWP(0,$inp));
 471         &pshufd ($ABCD,$ABCD,0b00011011);       # flip word order
 472         &movdqu (@MSG[1],&QWP(0x10,$inp));
 473         &pshufd ($E,$E,0b00011011);             # flip word order
 474         &movdqu (@MSG[2],&QWP(0x20,$inp));
 475         &pshufb (@MSG[0],$BSWAP);
 476         &movdqu (@MSG[3],&QWP(0x30,$inp));
 477         &pshufb (@MSG[1],$BSWAP);
 478         &pshufb (@MSG[2],$BSWAP);
 479         &pshufb (@MSG[3],$BSWAP);
 480         &jmp    (&label("loop_shaext"));
 481
 482 &set_label("loop_shaext",16);
 483         &dec            ($num);
 484         &lea            ("eax",&DWP(0x40,$inp));
 485         &movdqa         (&QWP(0,"esp"),$E);     # offload $E
 486         &paddd          ($E,@MSG[0]);
 487         &cmovne         ($inp,"eax");
 488         &movdqa         (&QWP(16,"esp"),$ABCD); # offload $ABCD
 489
 490 for($i=0;$i<20-4;$i+=2) {
 491         &sha1msg1       (@MSG[0],@MSG[1]);
 492         &movdqa         ($E_,$ABCD);
 493         &sha1rnds4      ($ABCD,$E,int($i/5));   # 0-3...
 494         &sha1nexte      ($E_,@MSG[1]);
 495         &pxor           (@MSG[0],@MSG[2]);
 496         &sha1msg1       (@MSG[1],@MSG[2]);
 497         &sha1msg2       (@MSG[0],@MSG[3]);
 498
 499         &movdqa         ($E,$ABCD);
 500         &sha1rnds4      ($ABCD,$E_,int(($i+1)/5));
 501         &sha1nexte      ($E,@MSG[2]);
 502         &pxor           (@MSG[1],@MSG[3]);
 503         &sha1msg2       (@MSG[1],@MSG[0]);
 504
 505         push(@MSG,shift(@MSG)); push(@MSG,shift(@MSG));
 506 }
 507         &movdqu         (@MSG[0],&QWP(0,$inp));
 508         &movdqa         ($E_,$ABCD);
 509         &sha1rnds4      ($ABCD,$E,3);           # 64-67
 510         &sha1nexte      ($E_,@MSG[1]);
 511         &movdqu         (@MSG[1],&QWP(0x10,$inp));
 512         &pshufb         (@MSG[0],$BSWAP);
 513
 514         &movdqa         ($E,$ABCD);
 515         &sha1rnds4      ($ABCD,$E_,3);          # 68-71
 516         &sha1nexte      ($E,@MSG[2]);
 517         &movdqu         (@MSG[2],&QWP(0x20,$inp));
 518         &pshufb         (@MSG[1],$BSWAP);
 519
 520         &movdqa         ($E_,$ABCD);
 521         &sha1rnds4      ($ABCD,$E,3);           # 72-75
 522         &sha1nexte      ($E_,@MSG[3]);
 523         &movdqu         (@MSG[3],&QWP(0x30,$inp));
 524         &pshufb         (@MSG[2],$BSWAP);
 525
 526         &movdqa         ($E,$ABCD);
 527         &sha1rnds4      ($ABCD,$E_,3);          # 76-79
 528         &movdqa         ($E_,&QWP(0,"esp"));
 529         &pshufb         (@MSG[3],$BSWAP);
 530         &sha1nexte      ($E,$E_);
 531         &paddd          ($ABCD,&QWP(16,"esp"));
 532
 533         &jnz            (&label("loop_shaext"));
 534
 535         &pshufd ($ABCD,$ABCD,0b00011011);
 536         &pshufd ($E,$E,0b00011011);
 537         &movdqu (&QWP(0,$ctx),$ABCD)
 538         &movd   (&DWP(16,$ctx),$E);
 539         &mov    ("esp","ebx");
 540 &function_end("_sha1_block_data_order_shaext");
 541 }
 542 ######################################################################
 543 # The SSSE3 implementation.
 544 #
 545 # %xmm[0-7] are used as ring @X[] buffer containing quadruples of last
 546 # 32 elements of the message schedule or Xupdate outputs. First 4
 547 # quadruples are simply byte-swapped input, next 4 are calculated
 548 # according to method originally suggested by Dean Gaudet (modulo
 549 # being implemented in SSSE3). Once 8 quadruples or 32 elements are
 550 # collected, it switches to routine proposed by Max Locktyukhin.
 551 #
 552 # Calculations inevitably require temporary reqisters, and there are
 553 # no %xmm registers left to spare. For this reason part of the ring
 554 # buffer, X[2..4] to be specific, is offloaded to 3 quadriples ring
 555 # buffer on the stack. Keep in mind that X[2] is alias X[-6], X[3] -
 556 # X[-5], and X[4] - X[-4]...
 557 #
 558 # Another notable optimization is aggressive stack frame compression
 559 # aiming to minimize amount of 9-byte instructions...
 560 #
 561 # Yet another notable optimization is "jumping" $B variable. It means
 562 # that there is no register permanently allocated for $B value. This
 563 # allowed to eliminate one instruction from body_20_39...
 564 #
 565 my $Xi=4;                       # 4xSIMD Xupdate round, start pre-seeded
 566 my @X=map("xmm$_",(4..7,0..3)); # pre-seeded for $Xi=4
 567 my @V=($A,$B,$C,$D,$E);
 568 my $j=0;                        # hash round
 569 my $rx=0;
 570 my @T=($T,$tmp1);
 571 my $inp;
 572
 573 my $_rol=sub { &rol(@_) };
 574 my $_ror=sub { &ror(@_) };
 575
 576 &function_begin("_sha1_block_data_order_ssse3");
 577         &call   (&label("pic_point"));  # make it PIC!
 578         &set_label("pic_point");
 579         &blindpop($tmp1);
 580         &lea    ($tmp1,&DWP(&label("K_XX_XX")."-".&label("pic_point"),$tmp1));
 581 &set_label("ssse3_shortcut");
 582
 583         &movdqa (@X[3],&QWP(0,$tmp1));          # K_00_19
 584         &movdqa (@X[4],&QWP(16,$tmp1));         # K_20_39
 585         &movdqa (@X[5],&QWP(32,$tmp1));         # K_40_59
 586         &movdqa (@X[6],&QWP(48,$tmp1));         # K_60_79
 587         &movdqa (@X[2],&QWP(64,$tmp1));         # pbswap mask
 588
 589         &mov    ($E,&wparam(0));                # load argument block
 590         &mov    ($inp=@T[1],&wparam(1));
 591         &mov    ($D,&wparam(2));
 592         &mov    (@T[0],"esp");
 593
 594         # stack frame layout
 595         #
 596         # +0    X[0]+K  X[1]+K  X[2]+K  X[3]+K  # XMM->IALU xfer area
 597         #       X[4]+K  X[5]+K  X[6]+K  X[7]+K
 598         #       X[8]+K  X[9]+K  X[10]+K X[11]+K
 599         #       X[12]+K X[13]+K X[14]+K X[15]+K
 600         #
 601         # +64   X[0]    X[1]    X[2]    X[3]    # XMM->XMM backtrace area
 602         #       X[4]    X[5]    X[6]    X[7]
 603         #       X[8]    X[9]    X[10]   X[11]   # even borrowed for K_00_19
 604         #
 605         # +112  K_20_39 K_20_39 K_20_39 K_20_39 # constants
 606         #       K_40_59 K_40_59 K_40_59 K_40_59
 607         #       K_60_79 K_60_79 K_60_79 K_60_79
 608         #       K_00_19 K_00_19 K_00_19 K_00_19
 609         #       pbswap mask
 610         #
 611         # +192  ctx                             # argument block
 612         # +196  inp
 613         # +200  end
 614         # +204  esp
 615         &sub    ("esp",208);
 616         &and    ("esp",-64);
 617
 618         &movdqa (&QWP(112+0,"esp"),@X[4]);      # copy constants
 619         &movdqa (&QWP(112+16,"esp"),@X[5]);
 620         &movdqa (&QWP(112+32,"esp"),@X[6]);
 621         &shl    ($D,6);                         # len*64
 622         &movdqa (&QWP(112+48,"esp"),@X[3]);
 623         &add    ($D,$inp);                      # end of input
 624         &movdqa (&QWP(112+64,"esp"),@X[2]);
 625         &add    ($inp,64);
 626         &mov    (&DWP(192+0,"esp"),$E);         # save argument block
 627         &mov    (&DWP(192+4,"esp"),$inp);
 628         &mov    (&DWP(192+8,"esp"),$D);
 629         &mov    (&DWP(192+12,"esp"),@T[0]);     # save original %esp
 630
 631         &mov    ($A,&DWP(0,$E));                # load context
 632         &mov    ($B,&DWP(4,$E));
 633         &mov    ($C,&DWP(8,$E));
 634         &mov    ($D,&DWP(12,$E));
 635         &mov    ($E,&DWP(16,$E));
 636         &mov    (@T[0],$B);                     # magic seed
 637
 638         &movdqu (@X[-4&7],&QWP(-64,$inp));      # load input to %xmm[0-3]
 639         &movdqu (@X[-3&7],&QWP(-48,$inp));
 640         &movdqu (@X[-2&7],&QWP(-32,$inp));
 641         &movdqu (@X[-1&7],&QWP(-16,$inp));
 642         &pshufb (@X[-4&7],@X[2]);               # byte swap
 643         &pshufb (@X[-3&7],@X[2]);
 644         &pshufb (@X[-2&7],@X[2]);
 645         &movdqa (&QWP(112-16,"esp"),@X[3]);     # borrow last backtrace slot
 646         &pshufb (@X[-1&7],@X[2]);
 647         &paddd  (@X[-4&7],@X[3]);               # add K_00_19
 648         &paddd  (@X[-3&7],@X[3]);
 649         &paddd  (@X[-2&7],@X[3]);
 650         &movdqa (&QWP(0,"esp"),@X[-4&7]);       # X[]+K xfer to IALU
 651         &psubd  (@X[-4&7],@X[3]);               # restore X[]
 652         &movdqa (&QWP(0+16,"esp"),@X[-3&7]);
 653         &psubd  (@X[-3&7],@X[3]);
 654         &movdqa (&QWP(0+32,"esp"),@X[-2&7]);
 655         &mov    (@T[1],$C);
 656         &psubd  (@X[-2&7],@X[3]);
 657         &xor    (@T[1],$D);
 658         &pshufd (@X[0],@X[-4&7],0xee);          # was &movdqa   (@X[0],@X[-3&7]);
 659         &and    (@T[0],@T[1]);
 660         &jmp    (&label("loop"));
 661
 662 ######################################################################
 663 # SSE instruction sequence is first broken to groups of independent
 664 # instructions, independent in respect to their inputs and shifter
 665 # (not all architectures have more than one). Then IALU instructions
 666 # are "knitted in" between the SSE groups. Distance is maintained for
 667 # SSE latency of 2 in hope that it fits better upcoming AMD Bulldozer
 668 # [which allegedly also implements SSSE3]...
 669 #
 670 # Temporary registers usage. X[2] is volatile at the entry and at the
 671 # end is restored from backtrace ring buffer. X[3] is expected to
 672 # contain current K_XX_XX constant and is used to calculate X[-1]+K
 673 # from previous round, it becomes volatile the moment the value is
 674 # saved to stack for transfer to IALU. X[4] becomes volatile whenever
 675 # X[-4] is accumulated and offloaded to backtrace ring buffer, at the
 676 # end it is loaded with next K_XX_XX [which becomes X[3] in next
 677 # round]...
 678 #
 679 sub Xupdate_ssse3_16_31()               # recall that $Xi starts with 4
 680 { use integer;
 681   my $body = shift;
 682   my @insns = (&$body,&$body,&$body,&$body);    # 40 instructions
 683   my ($a,$b,$c,$d,$e);
 684
 685          eval(shift(@insns));           # ror
 686          eval(shift(@insns));
 687          eval(shift(@insns));
 688         &punpcklqdq(@X[0],@X[-3&7]);    # compose "X[-14]" in "X[0]", was &palignr(@X[0],@X[-4&7],8);
 689         &movdqa (@X[2],@X[-1&7]);
 690          eval(shift(@insns));
 691          eval(shift(@insns));
 692
 693           &paddd        (@X[3],@X[-1&7]);
 694           &movdqa       (&QWP(64+16*(($Xi-4)%3),"esp"),@X[-4&7]);# save X[] to backtrace buffer
 695          eval(shift(@insns));           # rol
 696          eval(shift(@insns));
 697         &psrldq (@X[2],4);              # "X[-3]", 3 dwords
 698          eval(shift(@insns));
 699          eval(shift(@insns));
 700         &pxor   (@X[0],@X[-4&7]);       # "X[0]"^="X[-16]"
 701          eval(shift(@insns));
 702          eval(shift(@insns));           # ror
 703
 704         &pxor   (@X[2],@X[-2&7]);       # "X[-3]"^"X[-8]"
 705          eval(shift(@insns));
 706          eval(shift(@insns));
 707          eval(shift(@insns));
 708
 709         &pxor   (@X[0],@X[2]);          # "X[0]"^="X[-3]"^"X[-8]"
 710          eval(shift(@insns));
 711          eval(shift(@insns));           # rol
 712           &movdqa       (&QWP(0+16*(($Xi-1)&3),"esp"),@X[3]);   # X[]+K xfer to IALU
 713          eval(shift(@insns));
 714          eval(shift(@insns));
 715
 716         &movdqa (@X[4],@X[0]);
 717          eval(shift(@insns));
 718          eval(shift(@insns));
 719          eval(shift(@insns));           # ror
 720         &movdqa (@X[2],@X[0]);
 721          eval(shift(@insns));
 722
 723         &pslldq (@X[4],12);             # "X[0]"<<96, extract one dword
 724         &paddd  (@X[0],@X[0]);
 725          eval(shift(@insns));
 726          eval(shift(@insns));
 727
 728         &psrld  (@X[2],31);
 729          eval(shift(@insns));
 730          eval(shift(@insns));           # rol
 731         &movdqa (@X[3],@X[4]);
 732          eval(shift(@insns));
 733          eval(shift(@insns));
 734          eval(shift(@insns));
 735
 736         &psrld  (@X[4],30);
 737          eval(shift(@insns));
 738          eval(shift(@insns));           # ror
 739         &por    (@X[0],@X[2]);          # "X[0]"<<<=1
 740          eval(shift(@insns));
 741           &movdqa       (@X[2],&QWP(64+16*(($Xi-6)%3),"esp")) if ($Xi>5);       # restore X[] from backtrace buffer
 742          eval(shift(@insns));
 743          eval(shift(@insns));
 744
 745         &pslld  (@X[3],2);
 746          eval(shift(@insns));
 747          eval(shift(@insns));           # rol
 748         &pxor   (@X[0],@X[4]);
 749           &movdqa       (@X[4],&QWP(112-16+16*(($Xi)/5),"esp"));        # K_XX_XX
 750          eval(shift(@insns));
 751          eval(shift(@insns));
 752
 753         &pxor   (@X[0],@X[3]);          # "X[0]"^=("X[0]"<<96)<<<2
 754           &pshufd       (@X[1],@X[-3&7],0xee)   if ($Xi<7);     # was &movdqa   (@X[1],@X[-2&7])
 755           &pshufd       (@X[3],@X[-1&7],0xee)   if ($Xi==7);
 756          eval(shift(@insns));
 757          eval(shift(@insns));
 758
 759          foreach (@insns) { eval; }     # remaining instructions [if any]
 760
 761   $Xi++;        push(@X,shift(@X));     # "rotate" X[]
 762 }
 763
 764 sub Xupdate_ssse3_32_79()
 765 { use integer;
 766   my $body = shift;
 767   my @insns = (&$body,&$body,&$body,&$body);    # 32 to 44 instructions
 768   my ($a,$b,$c,$d,$e);
 769
 770          eval(shift(@insns));           # body_20_39
 771         &pxor   (@X[0],@X[-4&7]);       # "X[0]"="X[-32]"^"X[-16]"
 772         &punpcklqdq(@X[2],@X[-1&7]);    # compose "X[-6]", was &palignr(@X[2],@X[-2&7],8)
 773          eval(shift(@insns));
 774          eval(shift(@insns));
 775          eval(shift(@insns));           # rol
 776
 777         &pxor   (@X[0],@X[-7&7]);       # "X[0]"^="X[-28]"
 778           &movdqa       (&QWP(64+16*(($Xi-4)%3),"esp"),@X[-4&7]);       # save X[] to backtrace buffer
 779          eval(shift(@insns));
 780          eval(shift(@insns));
 781          eval(shift(@insns))            if (@insns[0] =~ /_rol/);
 782          if ($Xi%5) {
 783           &movdqa       (@X[4],@X[3]);  # "perpetuate" K_XX_XX...
 784          } else {                       # ... or load next one
 785           &movdqa       (@X[4],&QWP(112-16+16*($Xi/5),"esp"));
 786          }
 787          eval(shift(@insns));           # ror
 788           &paddd        (@X[3],@X[-1&7]);
 789          eval(shift(@insns));
 790
 791         &pxor   (@X[0],@X[2]);          # "X[0]"^="X[-6]"
 792          eval(shift(@insns));           # body_20_39
 793          eval(shift(@insns));
 794          eval(shift(@insns));
 795          eval(shift(@insns));           # rol
 796
 797         &movdqa (@X[2],@X[0]);
 798           &movdqa       (&QWP(0+16*(($Xi-1)&3),"esp"),@X[3]);   # X[]+K xfer to IALU
 799          eval(shift(@insns));
 800          eval(shift(@insns));
 801          eval(shift(@insns));           # ror
 802          eval(shift(@insns));
 803          eval(shift(@insns))            if (@insns[0] =~ /_rol/);
 804
 805         &pslld  (@X[0],2);
 806          eval(shift(@insns));           # body_20_39
 807          eval(shift(@insns));
 808         &psrld  (@X[2],30);
 809          eval(shift(@insns));
 810          eval(shift(@insns));           # rol
 811          eval(shift(@insns));
 812          eval(shift(@insns));
 813          eval(shift(@insns));           # ror
 814          eval(shift(@insns));
 815          eval(shift(@insns))            if (@insns[1] =~ /_rol/);
 816          eval(shift(@insns))            if (@insns[0] =~ /_rol/);
 817
 818         &por    (@X[0],@X[2]);          # "X[0]"<<<=2
 819          eval(shift(@insns));           # body_20_39
 820          eval(shift(@insns));
 821           &movdqa       (@X[2],&QWP(64+16*(($Xi-6)%3),"esp")) if($Xi<19);       # restore X[] from backtrace buffer
 822          eval(shift(@insns));
 823          eval(shift(@insns));           # rol
 824          eval(shift(@insns));
 825          eval(shift(@insns));
 826          eval(shift(@insns));           # ror
 827           &pshufd       (@X[3],@X[-1],0xee)     if ($Xi<19);    # was &movdqa   (@X[3],@X[0])
 828          eval(shift(@insns));
 829
 830          foreach (@insns) { eval; }     # remaining instructions
 831
 832   $Xi++;        push(@X,shift(@X));     # "rotate" X[]
 833 }
 834
 835 sub Xuplast_ssse3_80()
 836 { use integer;
 837   my $body = shift;
 838   my @insns = (&$body,&$body,&$body,&$body);    # 32 instructions
 839   my ($a,$b,$c,$d,$e);
 840
 841          eval(shift(@insns));
 842          eval(shift(@insns));
 843          eval(shift(@insns));
 844          eval(shift(@insns));
 845          eval(shift(@insns));
 846          eval(shift(@insns));
 847          eval(shift(@insns));
 848           &paddd        (@X[3],@X[-1&7]);
 849          eval(shift(@insns));
 850          eval(shift(@insns));
 851          eval(shift(@insns));
 852          eval(shift(@insns));
 853
 854           &movdqa       (&QWP(0+16*(($Xi-1)&3),"esp"),@X[3]);   # X[]+K xfer IALU
 855
 856          foreach (@insns) { eval; }             # remaining instructions
 857
 858         &mov    ($inp=@T[1],&DWP(192+4,"esp"));
 859         &cmp    ($inp,&DWP(192+8,"esp"));
 860         &je     (&label("done"));
 861
 862         &movdqa (@X[3],&QWP(112+48,"esp"));     # K_00_19
 863         &movdqa (@X[2],&QWP(112+64,"esp"));     # pbswap mask
 864         &movdqu (@X[-4&7],&QWP(0,$inp));        # load input
 865         &movdqu (@X[-3&7],&QWP(16,$inp));
 866         &movdqu (@X[-2&7],&QWP(32,$inp));
 867         &movdqu (@X[-1&7],&QWP(48,$inp));
 868         &add    ($inp,64);
 869         &pshufb (@X[-4&7],@X[2]);               # byte swap
 870         &mov    (&DWP(192+4,"esp"),$inp);
 871         &movdqa (&QWP(112-16,"esp"),@X[3]);     # borrow last backtrace slot
 872
 873   $Xi=0;
 874 }
 875
 876 sub Xloop_ssse3()
 877 { use integer;
 878   my $body = shift;
 879   my @insns = (&$body,&$body,&$body,&$body);    # 32 instructions
 880   my ($a,$b,$c,$d,$e);
 881
 882          eval(shift(@insns));
 883          eval(shift(@insns));
 884          eval(shift(@insns));
 885          eval(shift(@insns));
 886          eval(shift(@insns));
 887          eval(shift(@insns));
 888          eval(shift(@insns));
 889         &pshufb (@X[($Xi-3)&7],@X[2]);
 890          eval(shift(@insns));
 891          eval(shift(@insns));
 892          eval(shift(@insns));
 893          eval(shift(@insns));
 894         &paddd  (@X[($Xi-4)&7],@X[3]);
 895          eval(shift(@insns));
 896          eval(shift(@insns));
 897          eval(shift(@insns));
 898          eval(shift(@insns));
 899         &movdqa (&QWP(0+16*$Xi,"esp"),@X[($Xi-4)&7]);   # X[]+K xfer to IALU
 900          eval(shift(@insns));
 901          eval(shift(@insns));
 902          eval(shift(@insns));
 903          eval(shift(@insns));
 904         &psubd  (@X[($Xi-4)&7],@X[3]);
 905
 906         foreach (@insns) { eval; }
 907   $Xi++;
 908 }
 909
 910 sub Xtail_ssse3()
 911 { use integer;
 912   my $body = shift;
 913   my @insns = (&$body,&$body,&$body,&$body);    # 32 instructions
 914   my ($a,$b,$c,$d,$e);
 915
 916         foreach (@insns) { eval; }
 917 }
 918
 919 sub body_00_19 () {     # ((c^d)&b)^d
 920         # on start @T[0]=(c^d)&b
 921         return &body_20_39()    if ($rx==19);   $rx++;
 922         (
 923         '($a,$b,$c,$d,$e)=@V;'.
 924         '&$_ror ($b,$j?7:2);',  # $b>>>2
 925         '&xor   (@T[0],$d);',
 926         '&mov   (@T[1],$a);',   # $b in next round
 927
 928         '&add   ($e,&DWP(4*($j&15),"esp"));',   # X[]+K xfer
 929         '&xor   ($b,$c);',      # $c^$d for next round
 930
 931         '&$_rol ($a,5);',
 932         '&add   ($e,@T[0]);',
 933         '&and   (@T[1],$b);',   # ($b&($c^$d)) for next round
 934
 935         '&xor   ($b,$c);',      # restore $b
 936         '&add   ($e,$a);'       .'$j++; unshift(@V,pop(@V)); unshift(@T,pop(@T));'
 937         );
 938 }
 939
 940 sub body_20_39 () {     # b^d^c
 941         # on entry @T[0]=b^d
 942         return &body_40_59()    if ($rx==39);   $rx++;
 943         (
 944         '($a,$b,$c,$d,$e)=@V;'.
 945         '&add   ($e,&DWP(4*($j&15),"esp"));',   # X[]+K xfer
 946         '&xor   (@T[0],$d)      if($j==19);'.
 947         '&xor   (@T[0],$c)      if($j> 19);',   # ($b^$d^$c)
 948         '&mov   (@T[1],$a);',   # $b in next round
 949
 950         '&$_rol ($a,5);',
 951         '&add   ($e,@T[0]);',
 952         '&xor   (@T[1],$c)      if ($j< 79);',  # $b^$d for next round
 953
 954         '&$_ror ($b,7);',       # $b>>>2
 955         '&add   ($e,$a);'       .'$j++; unshift(@V,pop(@V)); unshift(@T,pop(@T));'
 956         );
 957 }
 958
 959 sub body_40_59 () {     # ((b^c)&(c^d))^c
 960         # on entry @T[0]=(b^c), (c^=d)
 961         $rx++;
 962         (
 963         '($a,$b,$c,$d,$e)=@V;'.
 964         '&add   ($e,&DWP(4*($j&15),"esp"));',   # X[]+K xfer
 965         '&and   (@T[0],$c)      if ($j>=40);',  # (b^c)&(c^d)
 966         '&xor   ($c,$d)         if ($j>=40);',  # restore $c
 967
 968         '&$_ror ($b,7);',       # $b>>>2
 969         '&mov   (@T[1],$a);',   # $b for next round
 970         '&xor   (@T[0],$c);',
 971
 972         '&$_rol ($a,5);',
 973         '&add   ($e,@T[0]);',
 974         '&xor   (@T[1],$c)      if ($j==59);'.
 975         '&xor   (@T[1],$b)      if ($j< 59);',  # b^c for next round
 976
 977         '&xor   ($b,$c)         if ($j< 59);',  # c^d for next round
 978         '&add   ($e,$a);'       .'$j++; unshift(@V,pop(@V)); unshift(@T,pop(@T));'
 979         );
 980 }
 981 ######
 982 sub bodyx_00_19 () {    # ((c^d)&b)^d
 983         # on start @T[0]=(b&c)^(~b&d), $e+=X[]+K
 984         return &bodyx_20_39()   if ($rx==19);   $rx++;
 985         (
 986         '($a,$b,$c,$d,$e)=@V;'.
 987
 988         '&rorx  ($b,$b,2)                       if ($j==0);'.   # $b>>>2
 989         '&rorx  ($b,@T[1],7)                    if ($j!=0);',   # $b>>>2
 990         '&lea   ($e,&DWP(0,$e,@T[0]));',
 991         '&rorx  (@T[0],$a,5);',
 992
 993         '&andn  (@T[1],$a,$c);',
 994         '&and   ($a,$b)',
 995         '&add   ($d,&DWP(4*(($j+1)&15),"esp"));',       # X[]+K xfer
 996
 997         '&xor   (@T[1],$a)',
 998         '&add   ($e,@T[0]);'    .'$j++; unshift(@V,pop(@V)); unshift(@T,pop(@T));'
 999         );
1000 }
1001
1002 sub bodyx_20_39 () {    # b^d^c
1003         # on start $b=b^c^d
1004         return &bodyx_40_59()   if ($rx==39);   $rx++;
1005         (
1006         '($a,$b,$c,$d,$e)=@V;'.
1007
1008         '&add   ($e,($j==19?@T[0]:$b))',
1009         '&rorx  ($b,@T[1],7);', # $b>>>2
1010         '&rorx  (@T[0],$a,5);',
1011
1012         '&xor   ($a,$b)                         if ($j<79);',
1013         '&add   ($d,&DWP(4*(($j+1)&15),"esp"))  if ($j<79);',   # X[]+K xfer
1014         '&xor   ($a,$c)                         if ($j<79);',
1015         '&add   ($e,@T[0]);'    .'$j++; unshift(@V,pop(@V)); unshift(@T,pop(@T));'
1016         );
1017 }
1018
1019 sub bodyx_40_59 () {    # ((b^c)&(c^d))^c
1020         # on start $b=((b^c)&(c^d))^c
1021         return &bodyx_20_39()   if ($rx==59);   $rx++;
1022         (
1023         '($a,$b,$c,$d,$e)=@V;'.
1024
1025         '&rorx  (@T[0],$a,5)',
1026         '&lea   ($e,&DWP(0,$e,$b))',
1027         '&rorx  ($b,@T[1],7)',  # $b>>>2
1028         '&add   ($d,&DWP(4*(($j+1)&15),"esp"))',        # X[]+K xfer
1029
1030         '&mov   (@T[1],$c)',
1031         '&xor   ($a,$b)',       # b^c for next round
1032         '&xor   (@T[1],$b)',    # c^d for next round
1033
1034         '&and   ($a,@T[1])',
1035         '&add   ($e,@T[0])',
1036         '&xor   ($a,$b)'        .'$j++; unshift(@V,pop(@V)); unshift(@T,pop(@T));'
1037         );
1038 }
1039
1040 &set_label("loop",16);
1041         &Xupdate_ssse3_16_31(\&body_00_19);
1042         &Xupdate_ssse3_16_31(\&body_00_19);
1043         &Xupdate_ssse3_16_31(\&body_00_19);
1044         &Xupdate_ssse3_16_31(\&body_00_19);
1045         &Xupdate_ssse3_32_79(\&body_00_19);
1046         &Xupdate_ssse3_32_79(\&body_20_39);
1047         &Xupdate_ssse3_32_79(\&body_20_39);
1048         &Xupdate_ssse3_32_79(\&body_20_39);
1049         &Xupdate_ssse3_32_79(\&body_20_39);
1050         &Xupdate_ssse3_32_79(\&body_20_39);
1051         &Xupdate_ssse3_32_79(\&body_40_59);
1052         &Xupdate_ssse3_32_79(\&body_40_59);
1053         &Xupdate_ssse3_32_79(\&body_40_59);
1054         &Xupdate_ssse3_32_79(\&body_40_59);
1055         &Xupdate_ssse3_32_79(\&body_40_59);
1056         &Xupdate_ssse3_32_79(\&body_20_39);
1057         &Xuplast_ssse3_80(\&body_20_39);        # can jump to "done"
1058
1059                                 $saved_j=$j; @saved_V=@V;
1060
1061         &Xloop_ssse3(\&body_20_39);
1062         &Xloop_ssse3(\&body_20_39);
1063         &Xloop_ssse3(\&body_20_39);
1064
1065         &mov    (@T[1],&DWP(192,"esp"));        # update context
1066         &add    ($A,&DWP(0,@T[1]));
1067         &add    (@T[0],&DWP(4,@T[1]));          # $b
1068         &add    ($C,&DWP(8,@T[1]));
1069         &mov    (&DWP(0,@T[1]),$A);
1070         &add    ($D,&DWP(12,@T[1]));
1071         &mov    (&DWP(4,@T[1]),@T[0]);
1072         &add    ($E,&DWP(16,@T[1]));
1073         &mov    (&DWP(8,@T[1]),$C);
1074         &mov    ($B,$C);
1075         &mov    (&DWP(12,@T[1]),$D);
1076         &xor    ($B,$D);
1077         &mov    (&DWP(16,@T[1]),$E);
1078         &mov    (@T[1],@T[0]);
1079         &pshufd (@X[0],@X[-4&7],0xee);          # was &movdqa   (@X[0],@X[-3&7]);
1080         &and    (@T[0],$B);
1081         &mov    ($B,$T[1]);
1082
1083         &jmp    (&label("loop"));
1084
1085 &set_label("done",16);          $j=$saved_j; @V=@saved_V;
1086
1087         &Xtail_ssse3(\&body_20_39);
1088         &Xtail_ssse3(\&body_20_39);
1089         &Xtail_ssse3(\&body_20_39);
1090
1091         &mov    (@T[1],&DWP(192,"esp"));        # update context
1092         &add    ($A,&DWP(0,@T[1]));
1093         &mov    ("esp",&DWP(192+12,"esp"));     # restore %esp
1094         &add    (@T[0],&DWP(4,@T[1]));          # $b
1095         &add    ($C,&DWP(8,@T[1]));
1096         &mov    (&DWP(0,@T[1]),$A);
1097         &add    ($D,&DWP(12,@T[1]));
1098         &mov    (&DWP(4,@T[1]),@T[0]);
1099         &add    ($E,&DWP(16,@T[1]));
1100         &mov    (&DWP(8,@T[1]),$C);
1101         &mov    (&DWP(12,@T[1]),$D);
1102         &mov    (&DWP(16,@T[1]),$E);
1103
1104 &function_end("_sha1_block_data_order_ssse3");
1105
1106 $rx=0;  # reset
1107
1108 if ($ymm) {
1109 my $Xi=4;                       # 4xSIMD Xupdate round, start pre-seeded
1110 my @X=map("xmm$_",(4..7,0..3)); # pre-seeded for $Xi=4
1111 my @V=($A,$B,$C,$D,$E);
1112 my $j=0;                        # hash round
1113 my @T=($T,$tmp1);
1114 my $inp;
1115
1116 my $_rol=sub { &shld(@_[0],@_) };
1117 my $_ror=sub { &shrd(@_[0],@_) };
1118
1119 &function_begin("_sha1_block_data_order_avx");
1120         &call   (&label("pic_point"));  # make it PIC!
1121         &set_label("pic_point");
1122         &blindpop($tmp1);
1123         &lea    ($tmp1,&DWP(&label("K_XX_XX")."-".&label("pic_point"),$tmp1));
1124 &set_label("avx_shortcut");
1125         &vzeroall();
1126
1127         &vmovdqa(@X[3],&QWP(0,$tmp1));          # K_00_19
1128         &vmovdqa(@X[4],&QWP(16,$tmp1));         # K_20_39
1129         &vmovdqa(@X[5],&QWP(32,$tmp1));         # K_40_59
1130         &vmovdqa(@X[6],&QWP(48,$tmp1));         # K_60_79
1131         &vmovdqa(@X[2],&QWP(64,$tmp1));         # pbswap mask
1132
1133         &mov    ($E,&wparam(0));                # load argument block
1134         &mov    ($inp=@T[1],&wparam(1));
1135         &mov    ($D,&wparam(2));
1136         &mov    (@T[0],"esp");
1137
1138         # stack frame layout
1139         #
1140         # +0    X[0]+K  X[1]+K  X[2]+K  X[3]+K  # XMM->IALU xfer area
1141         #       X[4]+K  X[5]+K  X[6]+K  X[7]+K
1142         #       X[8]+K  X[9]+K  X[10]+K X[11]+K
1143         #       X[12]+K X[13]+K X[14]+K X[15]+K
1144         #
1145         # +64   X[0]    X[1]    X[2]    X[3]    # XMM->XMM backtrace area
1146         #       X[4]    X[5]    X[6]    X[7]
1147         #       X[8]    X[9]    X[10]   X[11]   # even borrowed for K_00_19
1148         #
1149         # +112  K_20_39 K_20_39 K_20_39 K_20_39 # constants
1150         #       K_40_59 K_40_59 K_40_59 K_40_59
1151         #       K_60_79 K_60_79 K_60_79 K_60_79
1152         #       K_00_19 K_00_19 K_00_19 K_00_19
1153         #       pbswap mask
1154         #
1155         # +192  ctx                             # argument block
1156         # +196  inp
1157         # +200  end
1158         # +204  esp
1159         &sub    ("esp",208);
1160         &and    ("esp",-64);
1161
1162         &vmovdqa(&QWP(112+0,"esp"),@X[4]);      # copy constants
1163         &vmovdqa(&QWP(112+16,"esp"),@X[5]);
1164         &vmovdqa(&QWP(112+32,"esp"),@X[6]);
1165         &shl    ($D,6);                         # len*64
1166         &vmovdqa(&QWP(112+48,"esp"),@X[3]);
1167         &add    ($D,$inp);                      # end of input
1168         &vmovdqa(&QWP(112+64,"esp"),@X[2]);
1169         &add    ($inp,64);
1170         &mov    (&DWP(192+0,"esp"),$E);         # save argument block
1171         &mov    (&DWP(192+4,"esp"),$inp);
1172         &mov    (&DWP(192+8,"esp"),$D);
1173         &mov    (&DWP(192+12,"esp"),@T[0]);     # save original %esp
1174
1175         &mov    ($A,&DWP(0,$E));                # load context
1176         &mov    ($B,&DWP(4,$E));
1177         &mov    ($C,&DWP(8,$E));
1178         &mov    ($D,&DWP(12,$E));
1179         &mov    ($E,&DWP(16,$E));
1180         &mov    (@T[0],$B);                     # magic seed
1181
1182         &vmovdqu(@X[-4&7],&QWP(-64,$inp));      # load input to %xmm[0-3]
1183         &vmovdqu(@X[-3&7],&QWP(-48,$inp));
1184         &vmovdqu(@X[-2&7],&QWP(-32,$inp));
1185         &vmovdqu(@X[-1&7],&QWP(-16,$inp));
1186         &vpshufb(@X[-4&7],@X[-4&7],@X[2]);      # byte swap
1187         &vpshufb(@X[-3&7],@X[-3&7],@X[2]);
1188         &vpshufb(@X[-2&7],@X[-2&7],@X[2]);
1189         &vmovdqa(&QWP(112-16,"esp"),@X[3]);     # borrow last backtrace slot
1190         &vpshufb(@X[-1&7],@X[-1&7],@X[2]);
1191         &vpaddd (@X[0],@X[-4&7],@X[3]);         # add K_00_19
1192         &vpaddd (@X[1],@X[-3&7],@X[3]);
1193         &vpaddd (@X[2],@X[-2&7],@X[3]);
1194         &vmovdqa(&QWP(0,"esp"),@X[0]);          # X[]+K xfer to IALU
1195         &mov    (@T[1],$C);
1196         &vmovdqa(&QWP(0+16,"esp"),@X[1]);
1197         &xor    (@T[1],$D);
1198         &vmovdqa(&QWP(0+32,"esp"),@X[2]);
1199         &and    (@T[0],@T[1]);
1200         &jmp    (&label("loop"));
1201
1202 sub Xupdate_avx_16_31()         # recall that $Xi starts with 4
1203 { use integer;
1204   my $body = shift;
1205   my @insns = (&$body,&$body,&$body,&$body);    # 40 instructions
1206   my ($a,$b,$c,$d,$e);
1207
1208          eval(shift(@insns));
1209          eval(shift(@insns));
1210         &vpalignr(@X[0],@X[-3&7],@X[-4&7],8);   # compose "X[-14]" in "X[0]"
1211          eval(shift(@insns));
1212          eval(shift(@insns));
1213
1214           &vpaddd       (@X[3],@X[3],@X[-1&7]);
1215           &vmovdqa      (&QWP(64+16*(($Xi-4)%3),"esp"),@X[-4&7]);# save X[] to backtrace buffer
1216          eval(shift(@insns));
1217          eval(shift(@insns));
1218         &vpsrldq(@X[2],@X[-1&7],4);             # "X[-3]", 3 dwords
1219          eval(shift(@insns));
1220          eval(shift(@insns));
1221         &vpxor  (@X[0],@X[0],@X[-4&7]);         # "X[0]"^="X[-16]"
1222          eval(shift(@insns));
1223          eval(shift(@insns));
1224
1225         &vpxor  (@X[2],@X[2],@X[-2&7]);         # "X[-3]"^"X[-8]"
1226          eval(shift(@insns));
1227          eval(shift(@insns));
1228           &vmovdqa      (&QWP(0+16*(($Xi-1)&3),"esp"),@X[3]);   # X[]+K xfer to IALU
1229          eval(shift(@insns));
1230          eval(shift(@insns));
1231
1232         &vpxor  (@X[0],@X[0],@X[2]);            # "X[0]"^="X[-3]"^"X[-8]"
1233          eval(shift(@insns));
1234          eval(shift(@insns));
1235          eval(shift(@insns));
1236          eval(shift(@insns));
1237
1238         &vpsrld (@X[2],@X[0],31);
1239          eval(shift(@insns));
1240          eval(shift(@insns));
1241          eval(shift(@insns));
1242          eval(shift(@insns));
1243
1244         &vpslldq(@X[4],@X[0],12);               # "X[0]"<<96, extract one dword
1245         &vpaddd (@X[0],@X[0],@X[0]);
1246          eval(shift(@insns));
1247          eval(shift(@insns));
1248          eval(shift(@insns));
1249          eval(shift(@insns));
1250
1251         &vpsrld (@X[3],@X[4],30);
1252         &vpor   (@X[0],@X[0],@X[2]);            # "X[0]"<<<=1
1253          eval(shift(@insns));
1254          eval(shift(@insns));
1255          eval(shift(@insns));
1256          eval(shift(@insns));
1257
1258         &vpslld (@X[4],@X[4],2);
1259           &vmovdqa      (@X[2],&QWP(64+16*(($Xi-6)%3),"esp")) if ($Xi>5);       # restore X[] from backtrace buffer
1260          eval(shift(@insns));
1261          eval(shift(@insns));
1262         &vpxor  (@X[0],@X[0],@X[3]);
1263          eval(shift(@insns));
1264          eval(shift(@insns));
1265          eval(shift(@insns));
1266          eval(shift(@insns));
1267
1268         &vpxor  (@X[0],@X[0],@X[4]);            # "X[0]"^=("X[0]"<<96)<<<2
1269          eval(shift(@insns));
1270          eval(shift(@insns));
1271           &vmovdqa      (@X[4],&QWP(112-16+16*(($Xi)/5),"esp"));        # K_XX_XX
1272          eval(shift(@insns));
1273          eval(shift(@insns));
1274
1275          foreach (@insns) { eval; }     # remaining instructions [if any]
1276
1277   $Xi++;        push(@X,shift(@X));     # "rotate" X[]
1278 }
1279
1280 sub Xupdate_avx_32_79()
1281 { use integer;
1282   my $body = shift;
1283   my @insns = (&$body,&$body,&$body,&$body);    # 32 to 44 instructions
1284   my ($a,$b,$c,$d,$e);
1285
1286         &vpalignr(@X[2],@X[-1&7],@X[-2&7],8);   # compose "X[-6]"
1287         &vpxor  (@X[0],@X[0],@X[-4&7]); # "X[0]"="X[-32]"^"X[-16]"
1288          eval(shift(@insns));           # body_20_39
1289          eval(shift(@insns));
1290          eval(shift(@insns));
1291          eval(shift(@insns));           # rol
1292
1293         &vpxor  (@X[0],@X[0],@X[-7&7]); # "X[0]"^="X[-28]"
1294           &vmovdqa      (&QWP(64+16*(($Xi-4)%3),"esp"),@X[-4&7]);       # save X[] to backtrace buffer
1295          eval(shift(@insns));
1296          eval(shift(@insns));
1297          if ($Xi%5) {
1298           &vmovdqa      (@X[4],@X[3]);  # "perpetuate" K_XX_XX...
1299          } else {                       # ... or load next one
1300           &vmovdqa      (@X[4],&QWP(112-16+16*($Xi/5),"esp"));
1301          }
1302           &vpaddd       (@X[3],@X[3],@X[-1&7]);
1303          eval(shift(@insns));           # ror
1304          eval(shift(@insns));
1305
1306         &vpxor  (@X[0],@X[0],@X[2]);            # "X[0]"^="X[-6]"
1307          eval(shift(@insns));           # body_20_39
1308          eval(shift(@insns));
1309          eval(shift(@insns));
1310          eval(shift(@insns));           # rol
1311
1312         &vpsrld (@X[2],@X[0],30);
1313           &vmovdqa      (&QWP(0+16*(($Xi-1)&3),"esp"),@X[3]);   # X[]+K xfer to IALU
1314          eval(shift(@insns));
1315          eval(shift(@insns));
1316          eval(shift(@insns));           # ror
1317          eval(shift(@insns));
1318
1319         &vpslld (@X[0],@X[0],2);
1320          eval(shift(@insns));           # body_20_39
1321          eval(shift(@insns));
1322          eval(shift(@insns));
1323          eval(shift(@insns));           # rol
1324          eval(shift(@insns));
1325          eval(shift(@insns));
1326          eval(shift(@insns));           # ror
1327          eval(shift(@insns));
1328
1329         &vpor   (@X[0],@X[0],@X[2]);    # "X[0]"<<<=2
1330          eval(shift(@insns));           # body_20_39
1331          eval(shift(@insns));
1332           &vmovdqa      (@X[2],&QWP(64+16*(($Xi-6)%3),"esp")) if($Xi<19);       # restore X[] from backtrace buffer
1333          eval(shift(@insns));
1334          eval(shift(@insns));           # rol
1335          eval(shift(@insns));
1336          eval(shift(@insns));
1337          eval(shift(@insns));           # ror
1338          eval(shift(@insns));
1339
1340          foreach (@insns) { eval; }     # remaining instructions
1341
1342   $Xi++;        push(@X,shift(@X));     # "rotate" X[]
1343 }
1344
1345 sub Xuplast_avx_80()
1346 { use integer;
1347   my $body = shift;
1348   my @insns = (&$body,&$body,&$body,&$body);    # 32 instructions
1349   my ($a,$b,$c,$d,$e);
1350
1351          eval(shift(@insns));
1352           &vpaddd       (@X[3],@X[3],@X[-1&7]);
1353          eval(shift(@insns));
1354          eval(shift(@insns));
1355          eval(shift(@insns));
1356          eval(shift(@insns));
1357
1358           &vmovdqa      (&QWP(0+16*(($Xi-1)&3),"esp"),@X[3]);   # X[]+K xfer IALU
1359
1360          foreach (@insns) { eval; }             # remaining instructions
1361
1362         &mov    ($inp=@T[1],&DWP(192+4,"esp"));
1363         &cmp    ($inp,&DWP(192+8,"esp"));
1364         &je     (&label("done"));
1365
1366         &vmovdqa(@X[3],&QWP(112+48,"esp"));     # K_00_19
1367         &vmovdqa(@X[2],&QWP(112+64,"esp"));     # pbswap mask
1368         &vmovdqu(@X[-4&7],&QWP(0,$inp));        # load input
1369         &vmovdqu(@X[-3&7],&QWP(16,$inp));
1370         &vmovdqu(@X[-2&7],&QWP(32,$inp));
1371         &vmovdqu(@X[-1&7],&QWP(48,$inp));
1372         &add    ($inp,64);
1373         &vpshufb(@X[-4&7],@X[-4&7],@X[2]);              # byte swap
1374         &mov    (&DWP(192+4,"esp"),$inp);
1375         &vmovdqa(&QWP(112-16,"esp"),@X[3]);     # borrow last backtrace slot
1376
1377   $Xi=0;
1378 }
1379
1380 sub Xloop_avx()
1381 { use integer;
1382   my $body = shift;
1383   my @insns = (&$body,&$body,&$body,&$body);    # 32 instructions
1384   my ($a,$b,$c,$d,$e);
1385
1386          eval(shift(@insns));
1387          eval(shift(@insns));
1388         &vpshufb        (@X[($Xi-3)&7],@X[($Xi-3)&7],@X[2]);
1389          eval(shift(@insns));
1390          eval(shift(@insns));
1391         &vpaddd (@X[$Xi&7],@X[($Xi-4)&7],@X[3]);
1392          eval(shift(@insns));
1393          eval(shift(@insns));
1394          eval(shift(@insns));
1395          eval(shift(@insns));
1396         &vmovdqa        (&QWP(0+16*$Xi,"esp"),@X[$Xi&7]);       # X[]+K xfer to IALU
1397          eval(shift(@insns));
1398          eval(shift(@insns));
1399
1400         foreach (@insns) { eval; }
1401   $Xi++;
1402 }
1403
1404 sub Xtail_avx()
1405 { use integer;
1406   my $body = shift;
1407   my @insns = (&$body,&$body,&$body,&$body);    # 32 instructions
1408   my ($a,$b,$c,$d,$e);
1409
1410         foreach (@insns) { eval; }
1411 }
1412
1413 &set_label("loop",16);
1414         &Xupdate_avx_16_31(\&body_00_19);
1415         &Xupdate_avx_16_31(\&body_00_19);
1416         &Xupdate_avx_16_31(\&body_00_19);
1417         &Xupdate_avx_16_31(\&body_00_19);
1418         &Xupdate_avx_32_79(\&body_00_19);
1419         &Xupdate_avx_32_79(\&body_20_39);
1420         &Xupdate_avx_32_79(\&body_20_39);
1421         &Xupdate_avx_32_79(\&body_20_39);
1422         &Xupdate_avx_32_79(\&body_20_39);
1423         &Xupdate_avx_32_79(\&body_20_39);
1424         &Xupdate_avx_32_79(\&body_40_59);
1425         &Xupdate_avx_32_79(\&body_40_59);
1426         &Xupdate_avx_32_79(\&body_40_59);
1427         &Xupdate_avx_32_79(\&body_40_59);
1428         &Xupdate_avx_32_79(\&body_40_59);
1429         &Xupdate_avx_32_79(\&body_20_39);
1430         &Xuplast_avx_80(\&body_20_39);  # can jump to "done"
1431
1432                                 $saved_j=$j; @saved_V=@V;
1433
1434         &Xloop_avx(\&body_20_39);
1435         &Xloop_avx(\&body_20_39);
1436         &Xloop_avx(\&body_20_39);
1437
1438         &mov    (@T[1],&DWP(192,"esp"));        # update context
1439         &add    ($A,&DWP(0,@T[1]));
1440         &add    (@T[0],&DWP(4,@T[1]));          # $b
1441         &add    ($C,&DWP(8,@T[1]));
1442         &mov    (&DWP(0,@T[1]),$A);
1443         &add    ($D,&DWP(12,@T[1]));
1444         &mov    (&DWP(4,@T[1]),@T[0]);
1445         &add    ($E,&DWP(16,@T[1]));
1446         &mov    ($B,$C);
1447         &mov    (&DWP(8,@T[1]),$C);
1448         &xor    ($B,$D);
1449         &mov    (&DWP(12,@T[1]),$D);
1450         &mov    (&DWP(16,@T[1]),$E);
1451         &mov    (@T[1],@T[0]);
1452         &and    (@T[0],$B);
1453         &mov    ($B,@T[1]);
1454
1455         &jmp    (&label("loop"));
1456
1457 &set_label("done",16);          $j=$saved_j; @V=@saved_V;
1458
1459         &Xtail_avx(\&body_20_39);
1460         &Xtail_avx(\&body_20_39);
1461         &Xtail_avx(\&body_20_39);
1462
1463         &vzeroall();
1464
1465         &mov    (@T[1],&DWP(192,"esp"));        # update context
1466         &add    ($A,&DWP(0,@T[1]));
1467         &mov    ("esp",&DWP(192+12,"esp"));     # restore %esp
1468         &add    (@T[0],&DWP(4,@T[1]));          # $b
1469         &add    ($C,&DWP(8,@T[1]));
1470         &mov    (&DWP(0,@T[1]),$A);
1471         &add    ($D,&DWP(12,@T[1]));
1472         &mov    (&DWP(4,@T[1]),@T[0]);
1473         &add    ($E,&DWP(16,@T[1]));
1474         &mov    (&DWP(8,@T[1]),$C);
1475         &mov    (&DWP(12,@T[1]),$D);
1476         &mov    (&DWP(16,@T[1]),$E);
1477 &function_end("_sha1_block_data_order_avx");
1478 }
1479 &set_label("K_XX_XX",64);
1480 &data_word(0x5a827999,0x5a827999,0x5a827999,0x5a827999);        # K_00_19
1481 &data_word(0x6ed9eba1,0x6ed9eba1,0x6ed9eba1,0x6ed9eba1);        # K_20_39
1482 &data_word(0x8f1bbcdc,0x8f1bbcdc,0x8f1bbcdc,0x8f1bbcdc);        # K_40_59
1483 &data_word(0xca62c1d6,0xca62c1d6,0xca62c1d6,0xca62c1d6);        # K_60_79
1484 &data_word(0x00010203,0x04050607,0x08090a0b,0x0c0d0e0f);        # pbswap mask
1485 &data_byte(0xf,0xe,0xd,0xc,0xb,0xa,0x9,0x8,0x7,0x6,0x5,0x4,0x3,0x2,0x1,0x0);
1486 }
1487 &asciz("SHA1 block transform for x86, CRYPTOGAMS by <appro\@openssl.org>");
1488
1489 &asm_finish();
1490
1491 close STDOUT;