sha/asm/keccak1600-x86_64.pl: close gap with Keccak Code Package.
authorAndy Polyakov <appro@openssl.org>
Fri, 30 Jun 2017 09:45:34 +0000 (11:45 +0200)
committerAndy Polyakov <appro@openssl.org>
Mon, 3 Jul 2017 16:18:02 +0000 (18:18 +0200)
[Also typo and readability fixes. Ryzen result is added.]

Reviewed-by: Bernd Edlinger <bernd.edlinger@hotmail.de>
crypto/sha/asm/keccak1600-x86_64.pl

index eb12c99b7042d8d16684fa2f469db27e54ded8cd..94c9c10f88eee6ff72e629a7ffa27a1ce70b4bbe 100755 (executable)
@@ -13,7 +13,7 @@
 # details see http://www.openssl.org/~appro/cryptogams/.
 # ====================================================================
 #
-# Keccak-1600 for x86_86.
+# Keccak-1600 for x86_64.
 #
 # June 2017.
 #
@@ -22,9 +22,8 @@
 # instead of actually unrolling the loop pair-wise I simply flip
 # pointers to T[][] and A[][] at the end of round. Since number of
 # rounds is even, last round writes to A[][] and everything works out.
-# How does it compare to assembly module in Keccak Code Package? KCP
-# is faster on couple of processors, VIA Nano and Goldmont by 4-6%,
-# otherwise this module is either as fast or faster by up to 15%...
+# How does it compare to x86_64 assembly module in Keccak Code Package?
+# Depending on processor it's either as fast or faster by up to 15%...
 #
 ########################################################################
 # Numbers are cycles per processed byte out of large message.
 #                      r=1088(*)
 #
 # P4                   25.8
-# Core 2               13.0
+# Core 2               12.9
 # Westmere             13.7
 # Sandy Bridge         12.9(**)
-# Haswell              9.7
+# Haswell              9.6
 # Skylake              9.4
 # Silvermont           22.8
-# Goldmont             16.4
-# VIA Nano             18.0
+# Goldmont             15.8
+# VIA Nano             17.3
 # Sledgehammer         13.3
 # Bulldozer            16.5
+# Ryzen                        8.8
 #
 # (*)  Corresponds to SHA3-256. Improvement over compiler-generate
 #      varies a lot, most commont coefficient is 15% in comparison to
@@ -138,9 +138,7 @@ __KeccakF1600:
        rol     \$1,@C[4]
        xor     @T[0],@C[4]             # D[3] = ROL64(C[4], 1) ^ C[2]
 ___
-       my @E = @D;
-       @D = (@C[1],@C[2],@C[3],@C[4],@C[0]);
-       @C = @E;
+       (@D[0..4], @C) = (@C[1..4,0], @D);
 $code.=<<___;
        xor     @D[1],@C[1]
        xor     @D[2],@C[2]
@@ -166,24 +164,23 @@ $code.=<<___;
        mov     @C[4],$A[0][2](%rsi)    # R[0][2] = C[2] ^ ( C[4] & C[3])
 
        or      @C[3],@C[2]
+         mov   $A[4][2](%rdi),@C[4]
        xor     @T[0],@C[2]             #           C[1] ^ (~C[2] | C[3])
        mov     @C[2],$A[0][1](%rsi)    # R[0][1] = C[1] ^ (~C[2] | C[3])
 
        and     @C[0],@T[0]
+         mov   $A[1][4](%rdi),@C[1]
        xor     @T[1],@T[0]             #           C[4] ^ ( C[1] & C[0])
+         mov   $A[2][0](%rdi),@C[2]
        mov     @T[0],$A[0][4](%rsi)    # R[0][4] = C[4] ^ ( C[1] & C[0])
 
        or      @C[0],@T[1]
+         mov   $A[0][3](%rdi),@C[0]
        xor     @C[3],@T[1]             #           C[3] ^ ( C[4] | C[0])
+         mov   $A[3][1](%rdi),@C[3]
        mov     @T[1],$A[0][3](%rsi)    # R[0][3] = C[3] ^ ( C[4] | C[0])
 
 
-       mov     $A[0][3](%rdi),@C[0]
-       mov     $A[4][2](%rdi),@C[4]
-       mov     $A[3][1](%rdi),@C[3]
-       mov     $A[1][4](%rdi),@C[1]
-       mov     $A[2][0](%rdi),@C[2]
-
        xor     @D[3],@C[0]
        xor     @D[2],@C[4]
        rol     \$$rhotates[0][3],@C[0]
@@ -202,29 +199,28 @@ $code.=<<___;
 
        mov     @C[1],@T[1]
        and     @T[0],@C[1]
+         mov   $A[0][1](%rdi),@C[0]
        xor     @C[4],@C[1]             #           C[4] ^ (C[1] &  C[0])
        not     @C[4]
        mov     @C[1],$A[1][4](%rsi)    # R[1][4] = C[4] ^ (C[1] &  C[0])
 
        or      @C[3],@C[4]
+         mov   $A[1][2](%rdi),@C[1]
        xor     @C[2],@C[4]             #           C[2] ^ (~C[4] | C[3])
        mov     @C[4],$A[1][2](%rsi)    # R[1][2] = C[2] ^ (~C[4] | C[3])
 
        and     @C[2],@C[3]
+         mov   $A[4][0](%rdi),@C[4]
        xor     @T[1],@C[3]             #           C[1] ^ (C[3] &  C[2])
        mov     @C[3],$A[1][1](%rsi)    # R[1][1] = C[1] ^ (C[3] &  C[2])
 
        or      @C[2],@T[1]
+         mov   $A[2][3](%rdi),@C[2]
        xor     @T[0],@T[1]             #           C[0] ^ (C[1] |  C[2])
+         mov   $A[3][4](%rdi),@C[3]
        mov     @T[1],$A[1][0](%rsi)    # R[1][0] = C[0] ^ (C[1] |  C[2])
 
 
-       mov     $A[2][3](%rdi),@C[2]
-       mov     $A[3][4](%rdi),@C[3]
-       mov     $A[1][2](%rdi),@C[1]
-       mov     $A[4][0](%rdi),@C[4]
-       mov     $A[0][1](%rdi),@C[0]
-
        xor     @D[3],@C[2]
        xor     @D[4],@C[3]
        rol     \$$rhotates[2][3],@C[2]
@@ -244,10 +240,12 @@ $code.=<<___;
 
        mov     @C[4],@T[1]
        and     @C[3],@C[4]
+         mov   $A[2][1](%rdi),@C[2]
        xor     @T[0],@C[4]             #            C[2] ^ ( C[4] & ~C[3])
        mov     @C[4],$A[2][2](%rsi)    # R[2][2] =  C[2] ^ ( C[4] & ~C[3])
 
        or      @C[1],@T[0]
+         mov   $A[4][3](%rdi),@C[4]
        xor     @C[0],@T[0]             #            C[0] ^ ( C[2] | C[1])
        mov     @T[0],$A[2][0](%rsi)    # R[2][0] =  C[0] ^ ( C[2] | C[1])
 
@@ -255,15 +253,13 @@ $code.=<<___;
        xor     @T[1],@C[1]             #            C[4] ^ ( C[1] & C[0])
        mov     @C[1],$A[2][4](%rsi)    # R[2][4] =  C[4] ^ ( C[1] & C[0])
 
-       or      @T[1],@C[0]
-       xor     @C[3],@C[0]             #           ~C[3] ^ ( C[0] | C[4])
-       mov     @C[0],$A[2][3](%rsi)    # R[2][3] = ~C[3] ^ ( C[0] | C[4])
+       or      @C[0],@T[1]
+         mov   $A[1][0](%rdi),@C[1]
+       xor     @C[3],@T[1]             #           ~C[3] ^ ( C[0] | C[4])
+         mov   $A[3][2](%rdi),@C[3]
+       mov     @T[1],$A[2][3](%rsi)    # R[2][3] = ~C[3] ^ ( C[0] | C[4])
 
 
-       mov     $A[2][1](%rdi),@C[2]
-       mov     $A[3][2](%rdi),@C[3]
-       mov     $A[1][0](%rdi),@C[1]
-       mov     $A[4][3](%rdi),@C[4]
        mov     $A[0][4](%rdi),@C[0]
 
        xor     @D[1],@C[2]
@@ -313,7 +309,7 @@ $code.=<<___;
        rol     \$$rhotates[2][4],@D[4]
        rol     \$$rhotates[3][0],@D[0]
 ___
-       @C = (@D[2],@D[3],@D[4],@D[0],@D[1]);
+       @C = @D[2..4,0,1];
 $code.=<<___;
        mov     @C[0],@T[0]
        and     @C[1],@C[0]
@@ -599,9 +595,12 @@ iotas:
 ___
 
 foreach (split("\n",$code)) {
-       # Below replacement results in 11.3 on Sandy Bridge, 9.4 on
+       # Below replacement results in 11.2 on Sandy Bridge, 9.4 on
        # Haswell, but it hurts other processors by up to 2-3-4x...
        #s/rol\s+(\$[0-9]+),(%[a-z][a-z0-9]+)/shld\t$1,$2,$2/;
+       # Below replacement results in 9.3 on Haswell [as well as
+       # on Ryzen, i.e. it *hurts* Ryzen]...
+       #s/rol\s+\$([0-9]+),(%[a-z][a-z0-9]+)/rorx\t\$64-$1,$2,$2/;
 
        print $_, "\n";
 }