crypto/bn/asm/ia64-mont.pl

   1 #!/usr/bin/env perl
   2 #
   3 # ====================================================================
   4 # 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 # January 2010
  11 #
  12 # "Teaser" Montgomery multiplication module for IA-64. There are
  13 # several possibilities for improvement:
  14 #
  15 # - modulo-scheduling outer loop would eliminate quite a number of
  16 #   stalls after ldf8, xma and getf.sig outside inner loop and
  17 #   improve shorter key performance;
  18 # - shorter vector support [with input vectors being fetched only
  19 #   once] should be added;
  20 # - 2x unroll with help of n0[1] would make the code scalable on
  21 #   "wider" IA-64, "wider" than Itanium 2 that is, which is not of
  22 #   acute interest, because upcoming Tukwila's individual cores are
  23 #   reportedly based on Itanium 2 design;
  24 # - dedicated squaring procedure(?);
  25 #
  26 # January 2010
  27 #
  28 # Shorter vector support is implemented by zero-padding ap and np
  29 # vectors up to 8 elements, or 512 bits. This means that 256-bit
  30 # inputs will be processed only 2 times faster than 512-bit inputs,
  31 # not 4 [as one would expect, because algorithm complexity is n^2].
  32 # The reason for padding is that inputs shorter than 512 bits won't
  33 # be processed faster anyway, because minimal critical path of the
  34 # core loop happens to match 512-bit timing. Either way, it resulted
  35 # in >100% improvement of 512-bit RSA sign benchmark and 50% - of
  36 # 1024-bit one [in comparison to original version of *this* module].
  37 #
  38 # So far 'openssl speed rsa dsa' output on 900MHz Itanium 2 *with*
  39 # this module is:
  40 #                   sign    verify    sign/s verify/s
  41 # rsa  512 bits 0.000290s 0.000024s   3452.8  42031.4
  42 # rsa 1024 bits 0.000793s 0.000058s   1261.7  17172.0
  43 # rsa 2048 bits 0.005908s 0.000148s    169.3   6754.0
  44 # rsa 4096 bits 0.033456s 0.000469s     29.9   2133.6
  45 # dsa  512 bits 0.000253s 0.000198s   3949.9   5057.0
  46 # dsa 1024 bits 0.000585s 0.000607s   1708.4   1647.4
  47 # dsa 2048 bits 0.001453s 0.001703s    688.1    587.4
  48 #
  49 # ... and *without* (but still with ia64.S):
  50 #
  51 # rsa  512 bits 0.000670s 0.000041s   1491.8  24145.5
  52 # rsa 1024 bits 0.001988s 0.000080s    502.9  12499.3
  53 # rsa 2048 bits 0.008702s 0.000189s    114.9   5293.9
  54 # rsa 4096 bits 0.043860s 0.000533s     22.8   1875.9
  55 # dsa  512 bits 0.000441s 0.000427s   2265.3   2340.6
  56 # dsa 1024 bits 0.000823s 0.000867s   1215.6   1153.2
  57 # dsa 2048 bits 0.001894s 0.002179s    528.1    458.9
  58 #
  59 # As it can be seen, RSA sign performance improves by 130-30%,
  60 # hereafter less for longer keys, while verify - by 74-13%.
  61 # DSA performance improves by 115-30%.
  62
  63 if ($^O eq "hpux") {
  64     $ADDP="addp4";
  65     for (@ARGV) { $ADDP="add" if (/[\+DD|\-mlp]64/); }
  66 } else { $ADDP="add"; }
  67
  68 $code=<<___;
  69 .explicit
  70 .text
  71
  72 // int bn_mul_mont (BN_ULONG *rp,const BN_ULONG *ap,
  73 //                  const BN_ULONG *bp,const BN_ULONG *np,
  74 //                  const BN_ULONG *n0p,int num);
  75 .align  64
  76 .global bn_mul_mont#
  77 .proc   bn_mul_mont#
  78 bn_mul_mont:
  79         .prologue
  80         .body
  81 { .mmi; cmp4.le         p6,p7=2,r37;;
  82 (p6)    cmp4.lt.unc     p8,p9=8,r37
  83         mov             ret0=r0         };;
  84 { .bbb;
  85 (p9)    br.cond.dptk.many       bn_mul_mont_8
  86 (p8)    br.cond.dpnt.many       bn_mul_mont_general
  87 (p7)    br.ret.spnt.many        b0      };;
  88 .endp   bn_mul_mont#
  89 \f
  90 prevfs=r2;      prevpr=r3;      prevlc=r10;     prevsp=r11;
  91
  92 rptr=r8;        aptr=r9;        bptr=r14;       nptr=r15;
  93 tptr=r16;       // &tp[0]
  94 tp_1=r17;       // &tp[-1]
  95 num=r18;        len=r19;        lc=r20;
  96 topbit=r21;     // carry bit from tmp[num]
  97
  98 n0=f6;
  99 m0=f7;
 100 bi=f8;
 101
 102 .align  64
 103 .local  bn_mul_mont_general#
 104 .proc   bn_mul_mont_general#
 105 bn_mul_mont_general:
 106         .prologue
 107 { .mmi; .save   ar.pfs,prevfs
 108         alloc   prevfs=ar.pfs,6,2,0,8
 109         $ADDP   aptr=0,in1
 110         .save   ar.lc,prevlc
 111         mov     prevlc=ar.lc            }
 112 { .mmi; .vframe prevsp
 113         mov     prevsp=sp
 114         $ADDP   bptr=0,in2
 115         .save   pr,prevpr
 116         mov     prevpr=pr               };;
 117
 118         .body
 119         .rotf           alo[6],nlo[4],ahi[8],nhi[6]
 120         .rotr           a[3],n[3],t[2]
 121
 122 { .mmi; ldf8            bi=[bptr],8             // (*bp++)
 123         ldf8            alo[4]=[aptr],16        // ap[0]
 124         $ADDP           r30=8,in1       };;
 125 { .mmi; ldf8            alo[3]=[r30],16         // ap[1]
 126         ldf8            alo[2]=[aptr],16        // ap[2]
 127         $ADDP           in4=0,in4       };;
 128 { .mmi; ldf8            alo[1]=[r30]            // ap[3]
 129         ldf8            n0=[in4]                // n0
 130         $ADDP           rptr=0,in0              }
 131 { .mmi; $ADDP           nptr=0,in3
 132         mov             r31=16
 133         zxt4            num=in5         };;
 134 { .mmi; ldf8            nlo[2]=[nptr],8         // np[0]
 135         shladd          len=num,3,r0
 136         shladd          r31=num,3,r31   };;
 137 { .mmi; ldf8            nlo[1]=[nptr],8         // np[1]
 138         add             lc=-5,num
 139         sub             r31=sp,r31      };;
 140 { .mfb; and             sp=-16,r31              // alloca
 141         xmpy.hu         ahi[2]=alo[4],bi        // ap[0]*bp[0]
 142         nop.b           0               }
 143 { .mfb; nop.m           0
 144         xmpy.lu         alo[4]=alo[4],bi
 145         brp.loop.imp    .L1st_ctop,.L1st_cend-16
 146                                         };;
 147 { .mfi; nop.m           0
 148         xma.hu          ahi[1]=alo[3],bi,ahi[2] // ap[1]*bp[0]
 149         add             tp_1=8,sp       }
 150 { .mfi; nop.m           0
 151         xma.lu          alo[3]=alo[3],bi,ahi[2]
 152         mov             pr.rot=0x20001f<<16
 153                         // ------^----- (p40) at first (p23)
 154                         // ----------^^ p[16:20]=1
 155                                         };;
 156 { .mfi; nop.m           0
 157         xmpy.lu         m0=alo[4],n0            // (ap[0]*bp[0])*n0
 158         mov             ar.lc=lc        }
 159 { .mfi; nop.m           0
 160         fcvt.fxu.s1     nhi[1]=f0
 161         mov             ar.ec=8         };;
 162
 163 .align  32
 164 .L1st_ctop:
 165 .pred.rel       "mutex",p40,p42
 166 { .mfi; (p16)   ldf8            alo[0]=[aptr],8             // *(aptr++)
 167         (p18)   xma.hu          ahi[0]=alo[2],bi,ahi[1]
 168         (p40)   add             n[2]=n[2],a[2]          }   // (p23)                                    }
 169 { .mfi; (p18)   ldf8            nlo[0]=[nptr],8             // *(nptr++)(p16)
 170         (p18)   xma.lu          alo[2]=alo[2],bi,ahi[1]
 171         (p42)   add             n[2]=n[2],a[2],1        };; // (p23)
 172 { .mfi; (p21)   getf.sig        a[0]=alo[5]
 173         (p20)   xma.hu          nhi[0]=nlo[2],m0,nhi[1]
 174         (p42)   cmp.leu         p41,p39=n[2],a[2]       }   // (p23)
 175 { .mfi; (p23)   st8             [tp_1]=n[2],8
 176         (p20)   xma.lu          nlo[2]=nlo[2],m0,nhi[1]
 177         (p40)   cmp.ltu         p41,p39=n[2],a[2]       }   // (p23)
 178 { .mmb; (p21)   getf.sig        n[0]=nlo[3]
 179         (p16)   nop.m           0
 180         br.ctop.sptk    .L1st_ctop                      };;
 181 .L1st_cend:
 182
 183 { .mmi; getf.sig        a[0]=ahi[6]             // (p24)
 184         getf.sig        n[0]=nhi[4]
 185         add             num=-1,num      };;     // num--
 186 { .mmi; .pred.rel       "mutex",p40,p42
 187 (p40)   add             n[0]=n[0],a[0]
 188 (p42)   add             n[0]=n[0],a[0],1
 189         sub             aptr=aptr,len   };;     // rewind
 190 { .mmi; .pred.rel       "mutex",p40,p42
 191 (p40)   cmp.ltu         p41,p39=n[0],a[0]
 192 (p42)   cmp.leu         p41,p39=n[0],a[0]
 193         sub             nptr=nptr,len   };;
 194 { .mmi; .pred.rel       "mutex",p39,p41
 195 (p39)   add             topbit=r0,r0
 196 (p41)   add             topbit=r0,r0,1
 197         nop.i           0               }
 198 { .mmi; st8             [tp_1]=n[0]
 199         add             tptr=16,sp
 200         add             tp_1=8,sp       };;
 201 \f
 202 .Louter:
 203 { .mmi; ldf8            bi=[bptr],8             // (*bp++)
 204         ldf8            ahi[3]=[tptr]           // tp[0]
 205         add             r30=8,aptr      };;
 206 { .mmi; ldf8            alo[4]=[aptr],16        // ap[0]
 207         ldf8            alo[3]=[r30],16         // ap[1]
 208         add             r31=8,nptr      };;
 209 { .mfb; ldf8            alo[2]=[aptr],16        // ap[2]
 210         xma.hu          ahi[2]=alo[4],bi,ahi[3] // ap[0]*bp[i]+tp[0]
 211         brp.loop.imp    .Linner_ctop,.Linner_cend-16
 212                                         }
 213 { .mfb; ldf8            alo[1]=[r30]            // ap[3]
 214         xma.lu          alo[4]=alo[4],bi,ahi[3]
 215         clrrrb.pr                       };;
 216 { .mfi; ldf8            nlo[2]=[nptr],16        // np[0]
 217         xma.hu          ahi[1]=alo[3],bi,ahi[2] // ap[1]*bp[i]
 218         nop.i           0               }
 219 { .mfi; ldf8            nlo[1]=[r31]            // np[1]
 220         xma.lu          alo[3]=alo[3],bi,ahi[2]
 221         mov             pr.rot=0x20101f<<16
 222                         // ------^----- (p40) at first (p23)
 223                         // --------^--- (p30) at first (p22)
 224                         // ----------^^ p[16:20]=1
 225                                         };;
 226 { .mfi; st8             [tptr]=r0               // tp[0] is already accounted
 227         xmpy.lu         m0=alo[4],n0            // (ap[0]*bp[i]+tp[0])*n0
 228         mov             ar.lc=lc        }
 229 { .mfi;
 230         fcvt.fxu.s1     nhi[1]=f0
 231         mov             ar.ec=8         };;
 232
 233 // This loop spins in 4*(n+7) ticks on Itanium 2 and should spin in
 234 // 7*(n+7) ticks on Itanium (the one codenamed Merced). Factor of 7
 235 // in latter case accounts for two-tick pipeline stall, which means
 236 // that its performance would be ~20% lower than optimal one. No
 237 // attempt was made to address this, because original Itanium is
 238 // hardly represented out in the wild...
 239 .align  32
 240 .Linner_ctop:
 241 .pred.rel       "mutex",p40,p42
 242 .pred.rel       "mutex",p30,p32
 243 { .mfi; (p16)   ldf8            alo[0]=[aptr],8             // *(aptr++)
 244         (p18)   xma.hu          ahi[0]=alo[2],bi,ahi[1]
 245         (p40)   add             n[2]=n[2],a[2]          }   // (p23)
 246 { .mfi; (p16)   nop.m           0
 247         (p18)   xma.lu          alo[2]=alo[2],bi,ahi[1]
 248         (p42)   add             n[2]=n[2],a[2],1        };; // (p23)
 249 { .mfi; (p21)   getf.sig        a[0]=alo[5]
 250         (p16)   nop.f           0
 251         (p40)   cmp.ltu         p41,p39=n[2],a[2]       }   // (p23)
 252 { .mfi; (p21)   ld8             t[0]=[tptr],8
 253         (p16)   nop.f           0
 254         (p42)   cmp.leu         p41,p39=n[2],a[2]       };; // (p23)
 255 { .mfi; (p18)   ldf8            nlo[0]=[nptr],8             // *(nptr++)
 256         (p20)   xma.hu          nhi[0]=nlo[2],m0,nhi[1]
 257         (p30)   add             a[1]=a[1],t[1]          }   // (p22)
 258 { .mfi; (p16)   nop.m           0
 259         (p20)   xma.lu          nlo[2]=nlo[2],m0,nhi[1]
 260         (p32)   add             a[1]=a[1],t[1],1        };; // (p22)
 261 { .mmi; (p21)   getf.sig        n[0]=nlo[3]
 262         (p16)   nop.m           0
 263         (p30)   cmp.ltu         p31,p29=a[1],t[1]       }   // (p22)
 264 { .mmb; (p23)   st8             [tp_1]=n[2],8
 265         (p32)   cmp.leu         p31,p29=a[1],t[1]           // (p22)
 266         br.ctop.sptk    .Linner_ctop                    };;
 267 .Linner_cend:
 268
 269 { .mmi; getf.sig        a[0]=ahi[6]             // (p24)
 270         getf.sig        n[0]=nhi[4]
 271         nop.i           0               };;
 272
 273 { .mmi; .pred.rel       "mutex",p31,p33
 274 (p31)   add             a[0]=a[0],topbit
 275 (p33)   add             a[0]=a[0],topbit,1
 276         mov             topbit=r0       };;
 277 { .mfi; .pred.rel       "mutex",p31,p33
 278 (p31)   cmp.ltu         p32,p30=a[0],topbit
 279 (p33)   cmp.leu         p32,p30=a[0],topbit
 280                                         }
 281 { .mfi; .pred.rel       "mutex",p40,p42
 282 (p40)   add             n[0]=n[0],a[0]
 283 (p42)   add             n[0]=n[0],a[0],1
 284                                         };;
 285 { .mmi; .pred.rel       "mutex",p44,p46
 286 (p40)   cmp.ltu         p41,p39=n[0],a[0]
 287 (p42)   cmp.leu         p41,p39=n[0],a[0]
 288 (p32)   add             topbit=r0,r0,1  }
 289
 290 { .mmi; st8             [tp_1]=n[0],8
 291         cmp4.ne         p6,p0=1,num
 292         sub             aptr=aptr,len   };;     // rewind
 293 { .mmi; sub             nptr=nptr,len
 294 (p41)   add             topbit=r0,r0,1
 295         add             tptr=16,sp      }
 296 { .mmb; add             tp_1=8,sp
 297         add             num=-1,num              // num--
 298 (p6)    br.cond.sptk.many       .Louter };;
 299 \f
 300 { .mbb; add             lc=4,lc
 301         brp.loop.imp    .Lsub_ctop,.Lsub_cend-16
 302         clrrrb.pr                       };;
 303 { .mii; nop.m           0
 304         mov             pr.rot=0x10001<<16
 305                         // ------^---- (p33) at first (p17)
 306         mov             ar.lc=lc        }
 307 { .mii; nop.m           0
 308         mov             ar.ec=3
 309         nop.i           0               };;
 310
 311 .Lsub_ctop:
 312 .pred.rel       "mutex",p33,p35
 313 { .mfi; (p16)   ld8             t[0]=[tptr],8               // t=*(tp++)
 314         (p16)   nop.f           0
 315         (p33)   sub             n[1]=t[1],n[1]          }   // (p17)
 316 { .mfi; (p16)   ld8             n[0]=[nptr],8               // n=*(np++)
 317         (p16)   nop.f           0
 318         (p35)   sub             n[1]=t[1],n[1],1        };; // (p17)
 319 { .mib; (p18)   st8             [rptr]=n[2],8               // *(rp++)=r
 320         (p33)   cmp.gtu         p34,p32=n[1],t[1]           // (p17)
 321         (p18)   nop.b           0                       }
 322 { .mib; (p18)   nop.m           0
 323         (p35)   cmp.geu         p34,p32=n[1],t[1]           // (p17)
 324         br.ctop.sptk    .Lsub_ctop                      };;
 325 .Lsub_cend:
 326
 327 { .mmb; .pred.rel       "mutex",p34,p36
 328 (p34)   sub     topbit=topbit,r0        // (p19)
 329 (p36)   sub     topbit=topbit,r0,1
 330         brp.loop.imp    .Lcopy_ctop,.Lcopy_cend-16
 331                                         }
 332 { .mmb; sub     rptr=rptr,len           // rewind
 333         sub     tptr=tptr,len
 334         clrrrb.pr                       };;
 335 { .mmi; and     aptr=tptr,topbit
 336         andcm   bptr=rptr,topbit
 337         mov     pr.rot=1<<16            };;
 338 { .mii; or      nptr=aptr,bptr
 339         mov     ar.lc=lc
 340         mov     ar.ec=3                 };;
 341
 342 .Lcopy_ctop:
 343 { .mmb; (p16)   ld8     n[0]=[nptr],8
 344         (p18)   st8     [tptr]=r0,8
 345         (p16)   nop.b   0               }
 346 { .mmb; (p16)   nop.m   0
 347         (p18)   st8     [rptr]=n[2],8
 348         br.ctop.sptk    .Lcopy_ctop     };;
 349 .Lcopy_cend:
 350
 351 { .mmi; mov             ret0=1                  // signal "handled"
 352         rum             1<<5                    // clear um.mfh
 353         mov             ar.lc=prevlc    }
 354 { .mib; .restore        sp
 355         mov             sp=prevsp
 356         mov             pr=prevpr,0x1ffff
 357         br.ret.sptk.many        b0      };;
 358 .endp   bn_mul_mont_general#
 359 \f
 360 a1=r16;  a2=r17;  a3=r18;  a4=r19;  a5=r20;  a6=r21;  a7=r22;  a8=r23;
 361 n1=r24;  n2=r25;  n3=r26;  n4=r27;  n5=r28;  n6=r29;  n7=r30;  n8=r31;
 362 t0=r15;
 363
 364 ai0=f8;  ai1=f9;  ai2=f10; ai3=f11; ai4=f12; ai5=f13; ai6=f14; ai7=f15;
 365 ni0=f16; ni1=f17; ni2=f18; ni3=f19; ni4=f20; ni5=f21; ni6=f22; ni7=f23;
 366
 367 .align  64
 368 .skip   48              // aligns loop body
 369 .local  bn_mul_mont_8#
 370 .proc   bn_mul_mont_8#
 371 bn_mul_mont_8:
 372         .prologue
 373 { .mmi; .save           ar.pfs,prevfs
 374         alloc           prevfs=ar.pfs,6,2,0,8
 375         .vframe         prevsp
 376         mov             prevsp=sp
 377         .save           ar.lc,prevlc
 378         mov             prevlc=ar.lc    }
 379 { .mmi; add             r17=-6*16,sp
 380         add             sp=-7*16,sp
 381         .save           pr,prevpr
 382         mov             prevpr=pr       };;
 383
 384 { .mmi; .save.gf        0,0x10
 385         stf.spill       [sp]=f16,-16
 386         .save.gf        0,0x20
 387         stf.spill       [r17]=f17,32
 388         add             r16=-5*16,prevsp};;
 389 { .mmi; .save.gf        0,0x40
 390         stf.spill       [r16]=f18,32
 391         .save.gf        0,0x80
 392         stf.spill       [r17]=f19,32
 393         $ADDP           aptr=0,in1      };;
 394 { .mmi; .save.gf        0,0x100
 395         stf.spill       [r16]=f20,32
 396         .save.gf        0,0x200
 397         stf.spill       [r17]=f21,32
 398         $ADDP           r29=8,in1       };;
 399 { .mmi; .save.gf        0,0x400
 400         stf.spill       [r16]=f22
 401         .save.gf        0,0x800
 402         stf.spill       [r17]=f23
 403         $ADDP           rptr=0,in0      };;
 404 \f
 405         .body
 406         .rotf           bj[8],mj[2],tf[2],alo[10],ahi[10],nlo[10],nhi[10]
 407         .rotr           t[8]
 408
 409 // load input vectors padding them to 8 elements
 410 { .mmi; ldf8            ai0=[aptr],16           // ap[0]
 411         ldf8            ai1=[r29],16            // ap[1]
 412         $ADDP           bptr=0,in2      }
 413 { .mmi; $ADDP           r30=8,in2
 414         $ADDP           nptr=0,in3
 415         $ADDP           r31=8,in3       };;
 416 { .mmi; ldf8            bj[7]=[bptr],16         // bp[0]
 417         ldf8            bj[6]=[r30],16          // bp[1]
 418         cmp4.le         p4,p5=3,in5     }
 419 { .mmi; ldf8            ni0=[nptr],16           // np[0]
 420         ldf8            ni1=[r31],16            // np[1]
 421         cmp4.le         p6,p7=4,in5     };;
 422
 423 { .mfi; (p4)ldf8        ai2=[aptr],16           // ap[2]
 424         (p5)fcvt.fxu    ai2=f0
 425         cmp4.le         p8,p9=5,in5     }
 426 { .mfi; (p6)ldf8        ai3=[r29],16            // ap[3]
 427         (p7)fcvt.fxu    ai3=f0
 428         cmp4.le         p10,p11=6,in5   }
 429 { .mfi; (p4)ldf8        bj[5]=[bptr],16         // bp[2]
 430         (p5)fcvt.fxu    bj[5]=f0
 431         cmp4.le         p12,p13=7,in5   }
 432 { .mfi; (p6)ldf8        bj[4]=[r30],16          // bp[3]
 433         (p7)fcvt.fxu    bj[4]=f0
 434         cmp4.le         p14,p15=8,in5   }
 435 { .mfi; (p4)ldf8        ni2=[nptr],16           // np[2]
 436         (p5)fcvt.fxu    ni2=f0
 437         addp4           r28=-1,in5      }
 438 { .mfi; (p6)ldf8        ni3=[r31],16            // np[3]
 439         (p7)fcvt.fxu    ni3=f0
 440         $ADDP           in4=0,in4       };;
 441
 442 { .mfi; ldf8            n0=[in4]
 443         fcvt.fxu        tf[1]=f0
 444         nop.i           0               }
 445
 446 { .mfi; (p8)ldf8        ai4=[aptr],16           // ap[4]
 447         (p9)fcvt.fxu    ai4=f0
 448         mov             t[0]=r0         }
 449 { .mfi; (p10)ldf8       ai5=[r29],16            // ap[5]
 450         (p11)fcvt.fxu   ai5=f0
 451         mov             t[1]=r0         }
 452 { .mfi; (p8)ldf8        bj[3]=[bptr],16         // bp[4]
 453         (p9)fcvt.fxu    bj[3]=f0
 454         mov             t[2]=r0         }
 455 { .mfi; (p10)ldf8       bj[2]=[r30],16          // bp[5]
 456         (p11)fcvt.fxu   bj[2]=f0
 457         mov             t[3]=r0         }
 458 { .mfi; (p8)ldf8        ni4=[nptr],16           // np[4]
 459         (p9)fcvt.fxu    ni4=f0
 460         mov             t[4]=r0         }
 461 { .mfi; (p10)ldf8       ni5=[r31],16            // np[5]
 462         (p11)fcvt.fxu   ni5=f0
 463         mov             t[5]=r0         };;
 464
 465 { .mfi; (p12)ldf8       ai6=[aptr],16           // ap[6]
 466         (p13)fcvt.fxu   ai6=f0
 467         mov             t[6]=r0         }
 468 { .mfi; (p14)ldf8       ai7=[r29],16            // ap[7]
 469         (p15)fcvt.fxu   ai7=f0
 470         mov             t[7]=r0         }
 471 { .mfi; (p12)ldf8       bj[1]=[bptr],16         // bp[6]
 472         (p13)fcvt.fxu   bj[1]=f0
 473         mov             ar.lc=r28       }
 474 { .mfi; (p14)ldf8       bj[0]=[r30],16          // bp[7]
 475         (p15)fcvt.fxu   bj[0]=f0
 476         mov             ar.ec=1         }
 477 { .mfi; (p12)ldf8       ni6=[nptr],16           // np[6]
 478         (p13)fcvt.fxu   ni6=f0
 479         mov             pr.rot=1<<16    }
 480 { .mfb; (p14)ldf8       ni7=[r31],16            // np[7]
 481         (p15)fcvt.fxu   ni7=f0
 482         brp.loop.imp    .Louter_8_ctop,.Louter_8_cend-16
 483                                         };;
 484 \f
 485 // The loop is scheduled for 32*n ticks on Itanium 2. Actual attempt
 486 // to measure with help of Interval Time Counter indicated that the
 487 // factor is a tad higher: 33 or 34, if not 35. Exact measurement and
 488 // addressing the issue is problematic, because I don't have access
 489 // to platform-specific instruction-level profiler. On Itanium it
 490 // should run in 56*n ticks, because of higher xma latency...
 491 .Louter_8_ctop:
 492         .pred.rel               "mutex",p40,p42
 493         .pred.rel               "mutex",p48,p50
 494 { .mfi; (p16)   nop.m           0                       // 0:
 495         (p16)   xma.hu          ahi[0]=ai0,bj[7],tf[1]  //      ap[0]*b[i]+t[0]
 496         (p40)   add             a3=a3,n3        }       //      (p17) a3+=n3
 497 { .mfi; (p42)   add             a3=a3,n3,1
 498         (p16)   xma.lu          alo[0]=ai0,bj[7],tf[1]
 499         (p16)   nop.i           0               };;
 500 { .mii; (p17)   getf.sig        a7=alo[8]               // 1:
 501         (p48)   add             t[6]=t[6],a3            //      (p17) t[6]+=a3
 502         (p50)   add             t[6]=t[6],a3,1  };;
 503 { .mfi; (p17)   getf.sig        a8=ahi[8]               // 2:
 504         (p17)   xma.hu          nhi[7]=ni6,mj[1],nhi[6] //      np[6]*m0
 505         (p40)   cmp.ltu         p43,p41=a3,n3   }
 506 { .mfi; (p42)   cmp.leu         p43,p41=a3,n3
 507         (p17)   xma.lu          nlo[7]=ni6,mj[1],nhi[6]
 508         (p16)   nop.i           0               };;
 509 { .mii; (p17)   getf.sig        n5=nlo[6]               // 3:
 510         (p48)   cmp.ltu         p51,p49=t[6],a3
 511         (p50)   cmp.leu         p51,p49=t[6],a3 };;
 512         .pred.rel               "mutex",p41,p43
 513         .pred.rel               "mutex",p49,p51
 514 { .mfi; (p16)   nop.m           0                       // 4:
 515         (p16)   xma.hu          ahi[1]=ai1,bj[7],ahi[0] //      ap[1]*b[i]
 516         (p41)   add             a4=a4,n4        }       //      (p17) a4+=n4
 517 { .mfi; (p43)   add             a4=a4,n4,1
 518         (p16)   xma.lu          alo[1]=ai1,bj[7],ahi[0]
 519         (p16)   nop.i           0               };;
 520 { .mfi; (p49)   add             t[5]=t[5],a4            // 5:   (p17) t[5]+=a4
 521         (p16)   xmpy.lu         mj[0]=alo[0],n0         //      (ap[0]*b[i]+t[0])*n0
 522         (p51)   add             t[5]=t[5],a4,1  };;
 523 { .mfi; (p16)   nop.m           0                       // 6:
 524         (p17)   xma.hu          nhi[8]=ni7,mj[1],nhi[7] //      np[7]*m0
 525         (p41)   cmp.ltu         p42,p40=a4,n4   }
 526 { .mfi; (p43)   cmp.leu         p42,p40=a4,n4
 527         (p17)   xma.lu          nlo[8]=ni7,mj[1],nhi[7]
 528         (p16)   nop.i           0               };;
 529 { .mii; (p17)   getf.sig        n6=nlo[7]               // 7:
 530         (p49)   cmp.ltu         p50,p48=t[5],a4
 531         (p51)   cmp.leu         p50,p48=t[5],a4 };;
 532         .pred.rel               "mutex",p40,p42
 533         .pred.rel               "mutex",p48,p50
 534 { .mfi; (p16)   nop.m           0                       // 8:
 535         (p16)   xma.hu          ahi[2]=ai2,bj[7],ahi[1] //      ap[2]*b[i]
 536         (p40)   add             a5=a5,n5        }       //      (p17) a5+=n5
 537 { .mfi; (p42)   add             a5=a5,n5,1
 538         (p16)   xma.lu          alo[2]=ai2,bj[7],ahi[1]
 539         (p16)   nop.i           0               };;
 540 { .mii; (p16)   getf.sig        a1=alo[1]               // 9:
 541         (p48)   add             t[4]=t[4],a5            //      p(17) t[4]+=a5
 542         (p50)   add             t[4]=t[4],a5,1  };;
 543 { .mfi; (p16)   nop.m           0                       // 10:
 544         (p16)   xma.hu          nhi[0]=ni0,mj[0],alo[0] //      np[0]*m0
 545         (p40)   cmp.ltu         p43,p41=a5,n5   }
 546 { .mfi; (p42)   cmp.leu         p43,p41=a5,n5
 547         (p16)   xma.lu          nlo[0]=ni0,mj[0],alo[0]
 548         (p16)   nop.i           0               };;
 549 { .mii; (p17)   getf.sig        n7=nlo[8]               // 11:
 550         (p48)   cmp.ltu         p51,p49=t[4],a5
 551         (p50)   cmp.leu         p51,p49=t[4],a5 };;
 552         .pred.rel               "mutex",p41,p43
 553         .pred.rel               "mutex",p49,p51
 554 { .mfi; (p17)   getf.sig        n8=nhi[8]               // 12:
 555         (p16)   xma.hu          ahi[3]=ai3,bj[7],ahi[2] //      ap[3]*b[i]
 556         (p41)   add             a6=a6,n6        }       //      (p17) a6+=n6
 557 { .mfi; (p43)   add             a6=a6,n6,1
 558         (p16)   xma.lu          alo[3]=ai3,bj[7],ahi[2]
 559         (p16)   nop.i           0               };;
 560 { .mii; (p16)   getf.sig        a2=alo[2]               // 13:
 561         (p49)   add             t[3]=t[3],a6            //      (p17) t[3]+=a6
 562         (p51)   add             t[3]=t[3],a6,1  };;
 563 { .mfi; (p16)   nop.m           0                       // 14:
 564         (p16)   xma.hu          nhi[1]=ni1,mj[0],nhi[0] //      np[1]*m0
 565         (p41)   cmp.ltu         p42,p40=a6,n6   }
 566 { .mfi; (p43)   cmp.leu         p42,p40=a6,n6
 567         (p16)   xma.lu          nlo[1]=ni1,mj[0],nhi[0]
 568         (p16)   nop.i           0               };;
 569 { .mii; (p16)   nop.m           0                       // 15:
 570         (p49)   cmp.ltu         p50,p48=t[3],a6
 571         (p51)   cmp.leu         p50,p48=t[3],a6 };;
 572         .pred.rel               "mutex",p40,p42
 573         .pred.rel               "mutex",p48,p50
 574 { .mfi; (p16)   nop.m           0                       // 16:
 575         (p16)   xma.hu          ahi[4]=ai4,bj[7],ahi[3] //      ap[4]*b[i]
 576         (p40)   add             a7=a7,n7        }       //      (p17) a7+=n7
 577 { .mfi; (p42)   add             a7=a7,n7,1
 578         (p16)   xma.lu          alo[4]=ai4,bj[7],ahi[3]
 579         (p16)   nop.i           0               };;
 580 { .mii; (p16)   getf.sig        a3=alo[3]               // 17:
 581         (p48)   add             t[2]=t[2],a7            //      (p17) t[2]+=a7
 582         (p50)   add             t[2]=t[2],a7,1  };;
 583 { .mfi; (p16)   nop.m           0                       // 18:
 584         (p16)   xma.hu          nhi[2]=ni2,mj[0],nhi[1] //      np[2]*m0
 585         (p40)   cmp.ltu         p43,p41=a7,n7   }
 586 { .mfi; (p42)   cmp.leu         p43,p41=a7,n7
 587         (p16)   xma.lu          nlo[2]=ni2,mj[0],nhi[1]
 588         (p16)   nop.i           0               };;
 589 { .mii; (p16)   getf.sig        n1=nlo[1]               // 19:
 590         (p48)   cmp.ltu         p51,p49=t[2],a7
 591         (p50)   cmp.leu         p51,p49=t[2],a7 };;
 592         .pred.rel               "mutex",p41,p43
 593         .pred.rel               "mutex",p49,p51
 594 { .mfi; (p16)   nop.m           0                       // 20:
 595         (p16)   xma.hu          ahi[5]=ai5,bj[7],ahi[4] //      ap[5]*b[i]
 596         (p41)   add             a8=a8,n8        }       //      (p17) a8+=n8
 597 { .mfi; (p43)   add             a8=a8,n8,1
 598         (p16)   xma.lu          alo[5]=ai5,bj[7],ahi[4]
 599         (p16)   nop.i           0               };;
 600 { .mii; (p16)   getf.sig        a4=alo[4]               // 21:
 601         (p49)   add             t[1]=t[1],a8            //      (p17) t[1]+=a8
 602         (p51)   add             t[1]=t[1],a8,1  };;
 603 { .mfi; (p16)   nop.m           0                       // 22:
 604         (p16)   xma.hu          nhi[3]=ni3,mj[0],nhi[2] //      np[3]*m0
 605         (p41)   cmp.ltu         p42,p40=a8,n8   }
 606 { .mfi; (p43)   cmp.leu         p42,p40=a8,n8
 607         (p16)   xma.lu          nlo[3]=ni3,mj[0],nhi[2]
 608         (p16)   nop.i           0               };;
 609 { .mii; (p16)   getf.sig        n2=nlo[2]               // 23:
 610         (p49)   cmp.ltu         p50,p48=t[1],a8
 611         (p51)   cmp.leu         p50,p48=t[1],a8 };;
 612 { .mfi; (p16)   nop.m           0                       // 24:
 613         (p16)   xma.hu          ahi[6]=ai6,bj[7],ahi[5] //      ap[6]*b[i]
 614         (p16)   add             a1=a1,n1        }       //      (p16) a1+=n1
 615 { .mfi; (p16)   nop.m           0
 616         (p16)   xma.lu          alo[6]=ai6,bj[7],ahi[5]
 617         (p17)   mov             t[0]=r0         };;
 618 { .mii; (p16)   getf.sig        a5=alo[5]               // 25:
 619         (p16)   add             t0=t[7],a1              //      (p16) t[7]+=a1
 620         (p42)   add             t[0]=t[0],r0,1  };;
 621 { .mfi; (p16)   setf.sig        tf[0]=t0                // 26:
 622         (p16)   xma.hu          nhi[4]=ni4,mj[0],nhi[3] //      np[4]*m0
 623         (p50)   add             t[0]=t[0],r0,1  }
 624 { .mfi; (p16)   cmp.ltu.unc     p42,p40=a1,n1
 625         (p16)   xma.lu          nlo[4]=ni4,mj[0],nhi[3]
 626         (p16)   nop.i           0               };;
 627 { .mii; (p16)   getf.sig        n3=nlo[3]               // 27:
 628         (p16)   cmp.ltu.unc     p50,p48=t0,a1
 629         (p16)   nop.i           0               };;
 630         .pred.rel               "mutex",p40,p42
 631         .pred.rel               "mutex",p48,p50
 632 { .mfi; (p16)   nop.m           0                       // 28:
 633         (p16)   xma.hu          ahi[7]=ai7,bj[7],ahi[6] //      ap[7]*b[i]
 634         (p40)   add             a2=a2,n2        }       //      (p16) a2+=n2
 635 { .mfi; (p42)   add             a2=a2,n2,1
 636         (p16)   xma.lu          alo[7]=ai7,bj[7],ahi[6]
 637         (p16)   nop.i           0               };;
 638 { .mii; (p16)   getf.sig        a6=alo[6]               // 29:
 639         (p48)   add             t[6]=t[6],a2            //      (p16) t[6]+=a2
 640         (p50)   add             t[6]=t[6],a2,1  };;
 641 { .mfi; (p16)   nop.m           0                       // 30:
 642         (p16)   xma.hu          nhi[5]=ni5,mj[0],nhi[4] //      np[5]*m0
 643         (p40)   cmp.ltu         p41,p39=a2,n2   }
 644 { .mfi; (p42)   cmp.leu         p41,p39=a2,n2
 645         (p16)   xma.lu          nlo[5]=ni5,mj[0],nhi[4]
 646         (p16)   nop.i           0               };;
 647 { .mfi; (p16)   getf.sig        n4=nlo[4]               // 31:
 648         (p16)   nop.f           0
 649         (p48)   cmp.ltu         p49,p47=t[6],a2 }
 650 { .mfb; (p50)   cmp.leu         p49,p47=t[6],a2
 651         (p16)   nop.f           0
 652         br.ctop.sptk.many       .Louter_8_ctop  };;
 653 .Louter_8_cend:
 654 \f
 655 // above loop has to execute one more time, without (p16), which is
 656 // replaced with merged move of np[8] to GPR bank
 657         .pred.rel               "mutex",p40,p42
 658         .pred.rel               "mutex",p48,p50
 659 { .mmi; (p0)    getf.sig        n1=ni0                  // 0:
 660         (p40)   add             a3=a3,n3                //      (p17) a3+=n3
 661         (p42)   add             a3=a3,n3,1      };;
 662 { .mii; (p17)   getf.sig        a7=alo[8]               // 1:
 663         (p48)   add             t[6]=t[6],a3            //      (p17) t[6]+=a3
 664         (p50)   add             t[6]=t[6],a3,1  };;
 665 { .mfi; (p17)   getf.sig        a8=ahi[8]               // 2:
 666         (p17)   xma.hu          nhi[7]=ni6,mj[1],nhi[6] //      np[6]*m0
 667         (p40)   cmp.ltu         p43,p41=a3,n3   }
 668 { .mfi; (p42)   cmp.leu         p43,p41=a3,n3
 669         (p17)   xma.lu          nlo[7]=ni6,mj[1],nhi[6]
 670         (p0)    nop.i           0               };;
 671 { .mii; (p17)   getf.sig        n5=nlo[6]               // 3:
 672         (p48)   cmp.ltu         p51,p49=t[6],a3
 673         (p50)   cmp.leu         p51,p49=t[6],a3 };;
 674         .pred.rel               "mutex",p41,p43
 675         .pred.rel               "mutex",p49,p51
 676 { .mmi; (p0)    getf.sig        n2=ni1                  // 4:
 677         (p41)   add             a4=a4,n4                //      (p17) a4+=n4
 678         (p43)   add             a4=a4,n4,1      };;
 679 { .mfi; (p49)   add             t[5]=t[5],a4            // 5:   (p17) t[5]+=a4
 680         (p0)    nop.f           0
 681         (p51)   add             t[5]=t[5],a4,1  };;
 682 { .mfi; (p0)    getf.sig        n3=ni2                  // 6:
 683         (p17)   xma.hu          nhi[8]=ni7,mj[1],nhi[7] //      np[7]*m0
 684         (p41)   cmp.ltu         p42,p40=a4,n4   }
 685 { .mfi; (p43)   cmp.leu         p42,p40=a4,n4
 686         (p17)   xma.lu          nlo[8]=ni7,mj[1],nhi[7]
 687         (p0)    nop.i           0               };;
 688 { .mii; (p17)   getf.sig        n6=nlo[7]               // 7:
 689         (p49)   cmp.ltu         p50,p48=t[5],a4
 690         (p51)   cmp.leu         p50,p48=t[5],a4 };;
 691         .pred.rel               "mutex",p40,p42
 692         .pred.rel               "mutex",p48,p50
 693 { .mii; (p0)    getf.sig        n4=ni3                  // 8:
 694         (p40)   add             a5=a5,n5                //      (p17) a5+=n5
 695         (p42)   add             a5=a5,n5,1      };;
 696 { .mii; (p0)    nop.m           0                       // 9:
 697         (p48)   add             t[4]=t[4],a5            //      p(17) t[4]+=a5
 698         (p50)   add             t[4]=t[4],a5,1  };;
 699 { .mii; (p0)    nop.m           0                       // 10:
 700         (p40)   cmp.ltu         p43,p41=a5,n5
 701         (p42)   cmp.leu         p43,p41=a5,n5   };;
 702 { .mii; (p17)   getf.sig        n7=nlo[8]               // 11:
 703         (p48)   cmp.ltu         p51,p49=t[4],a5
 704         (p50)   cmp.leu         p51,p49=t[4],a5 };;
 705         .pred.rel               "mutex",p41,p43
 706         .pred.rel               "mutex",p49,p51
 707 { .mii; (p17)   getf.sig        n8=nhi[8]               // 12:
 708         (p41)   add             a6=a6,n6                //      (p17) a6+=n6
 709         (p43)   add             a6=a6,n6,1      };;
 710 { .mii; (p0)    getf.sig        n5=ni4                  // 13:
 711         (p49)   add             t[3]=t[3],a6            //      (p17) t[3]+=a6
 712         (p51)   add             t[3]=t[3],a6,1  };;
 713 { .mii; (p0)    nop.m           0                       // 14:
 714         (p41)   cmp.ltu         p42,p40=a6,n6
 715         (p43)   cmp.leu         p42,p40=a6,n6   };;
 716 { .mii; (p0)    getf.sig        n6=ni5                  // 15:
 717         (p49)   cmp.ltu         p50,p48=t[3],a6
 718         (p51)   cmp.leu         p50,p48=t[3],a6 };;
 719         .pred.rel               "mutex",p40,p42
 720         .pred.rel               "mutex",p48,p50
 721 { .mii; (p0)    nop.m           0                       // 16:
 722         (p40)   add             a7=a7,n7                //      (p17) a7+=n7
 723         (p42)   add             a7=a7,n7,1      };;
 724 { .mii; (p0)    nop.m           0                       // 17:
 725         (p48)   add             t[2]=t[2],a7            //      (p17) t[2]+=a7
 726         (p50)   add             t[2]=t[2],a7,1  };;
 727 { .mii; (p0)    nop.m           0                       // 18:
 728         (p40)   cmp.ltu         p43,p41=a7,n7
 729         (p42)   cmp.leu         p43,p41=a7,n7   };;
 730 { .mii; (p0)    getf.sig        n7=ni6                  // 19:
 731         (p48)   cmp.ltu         p51,p49=t[2],a7
 732         (p50)   cmp.leu         p51,p49=t[2],a7 };;
 733         .pred.rel               "mutex",p41,p43
 734         .pred.rel               "mutex",p49,p51
 735 { .mii; (p0)    nop.m           0                       // 20:
 736         (p41)   add             a8=a8,n8                //      (p17) a8+=n8
 737         (p43)   add             a8=a8,n8,1      };;
 738 { .mmi; (p0)    nop.m           0                       // 21:
 739         (p49)   add             t[1]=t[1],a8            //      (p17) t[1]+=a8
 740         (p51)   add             t[1]=t[1],a8,1  }
 741 { .mmi; (p17)   mov             t[0]=r0
 742         (p41)   cmp.ltu         p42,p40=a8,n8
 743         (p43)   cmp.leu         p42,p40=a8,n8   };;
 744 { .mmi; (p0)    getf.sig        n8=ni7                  // 22:
 745         (p49)   cmp.ltu         p50,p48=t[1],a8
 746         (p51)   cmp.leu         p50,p48=t[1],a8 }
 747 { .mmi; (p42)   add             t[0]=t[0],r0,1
 748         (p0)    add             r16=-7*16,prevsp
 749         (p0)    add             r17=-6*16,prevsp        };;
 750 \f
 751 // subtract np[8] from carrybit|tmp[8]
 752 // carrybit|tmp[8] layout upon exit from above loop is:
 753 //      t[0]|t[1]|t[2]|t[3]|t[4]|t[5]|t[6]|t[7]|t0 (least significant)
 754 { .mmi; (p50)add        t[0]=t[0],r0,1
 755         add             r18=-5*16,prevsp
 756         sub             n1=t0,n1        };;
 757 { .mmi; cmp.gtu         p34,p32=n1,t0;;
 758         .pred.rel       "mutex",p32,p34
 759         (p32)sub        n2=t[7],n2
 760         (p34)sub        n2=t[7],n2,1    };;
 761 { .mii; (p32)cmp.gtu    p35,p33=n2,t[7]
 762         (p34)cmp.geu    p35,p33=n2,t[7];;
 763         .pred.rel       "mutex",p33,p35
 764         (p33)sub        n3=t[6],n3      }
 765 { .mmi; (p35)sub        n3=t[6],n3,1;;
 766         (p33)cmp.gtu    p34,p32=n3,t[6]
 767         (p35)cmp.geu    p34,p32=n3,t[6] };;
 768         .pred.rel       "mutex",p32,p34
 769 { .mii; (p32)sub        n4=t[5],n4
 770         (p34)sub        n4=t[5],n4,1;;
 771         (p32)cmp.gtu    p35,p33=n4,t[5] }
 772 { .mmi; (p34)cmp.geu    p35,p33=n4,t[5];;
 773         .pred.rel       "mutex",p33,p35
 774         (p33)sub        n5=t[4],n5
 775         (p35)sub        n5=t[4],n5,1    };;
 776 { .mii; (p33)cmp.gtu    p34,p32=n5,t[4]
 777         (p35)cmp.geu    p34,p32=n5,t[4];;
 778         .pred.rel       "mutex",p32,p34
 779         (p32)sub        n6=t[3],n6      }
 780 { .mmi; (p34)sub        n6=t[3],n6,1;;
 781         (p32)cmp.gtu    p35,p33=n6,t[3]
 782         (p34)cmp.geu    p35,p33=n6,t[3] };;
 783         .pred.rel       "mutex",p33,p35
 784 { .mii; (p33)sub        n7=t[2],n7
 785         (p35)sub        n7=t[2],n7,1;;
 786         (p33)cmp.gtu    p34,p32=n7,t[2] }
 787 { .mmi; (p35)cmp.geu    p34,p32=n7,t[2];;
 788         .pred.rel       "mutex",p32,p34
 789         (p32)sub        n8=t[1],n8
 790         (p34)sub        n8=t[1],n8,1    };;
 791 { .mii; (p32)cmp.gtu    p35,p33=n8,t[1]
 792         (p34)cmp.geu    p35,p33=n8,t[1];;
 793         .pred.rel       "mutex",p33,p35
 794         (p33)sub        a8=t[0],r0      }
 795 { .mmi; (p35)sub        a8=t[0],r0,1;;
 796         (p33)cmp.gtu    p34,p32=a8,t[0]
 797         (p35)cmp.geu    p34,p32=a8,t[0] };;
 798 \f
 799 // save the result, either tmp[num] or tmp[num]-np[num]
 800         .pred.rel       "mutex",p32,p34
 801 { .mmi; (p32)st8        [rptr]=n1,8
 802         (p34)st8        [rptr]=t0,8
 803         add             r19=-4*16,prevsp};;
 804 { .mmb; (p32)st8        [rptr]=n2,8
 805         (p34)st8        [rptr]=t[7],8
 806         (p5)br.cond.dpnt.few    .Ldone  };;
 807 { .mmb; (p32)st8        [rptr]=n3,8
 808         (p34)st8        [rptr]=t[6],8
 809         (p7)br.cond.dpnt.few    .Ldone  };;
 810 { .mmb; (p32)st8        [rptr]=n4,8
 811         (p34)st8        [rptr]=t[5],8
 812         (p9)br.cond.dpnt.few    .Ldone  };;
 813 { .mmb; (p32)st8        [rptr]=n5,8
 814         (p34)st8        [rptr]=t[4],8
 815         (p11)br.cond.dpnt.few   .Ldone  };;
 816 { .mmb; (p32)st8        [rptr]=n6,8
 817         (p34)st8        [rptr]=t[3],8
 818         (p13)br.cond.dpnt.few   .Ldone  };;
 819 { .mmb; (p32)st8        [rptr]=n7,8
 820         (p34)st8        [rptr]=t[2],8
 821         (p15)br.cond.dpnt.few   .Ldone  };;
 822 { .mmb; (p32)st8        [rptr]=n8,8
 823         (p34)st8        [rptr]=t[1],8
 824         nop.b           0               };;
 825 .Ldone:                                         // epilogue
 826 { .mmi; ldf.fill        f16=[r16],64
 827         ldf.fill        f17=[r17],64
 828         nop.i           0               }
 829 { .mmi; ldf.fill        f18=[r18],64
 830         ldf.fill        f19=[r19],64
 831         mov             pr=prevpr,0x1ffff       };;
 832 { .mmi; ldf.fill        f20=[r16]
 833         ldf.fill        f21=[r17]
 834         mov             ar.lc=prevlc    }
 835 { .mmi; ldf.fill        f22=[r18]
 836         ldf.fill        f23=[r19]
 837         mov             ret0=1          }       // signal "handled"
 838 { .mib; rum             1<<5
 839         .restore        sp
 840         mov             sp=prevsp
 841         br.ret.sptk.many        b0      };;
 842 .endp   bn_mul_mont_8#
 843
 844 .type   copyright#,\@object
 845 copyright:
 846 stringz "Montgomery multiplication for IA-64, CRYPTOGAMS by <appro\@openssl.org>"
 847 ___
 848
 849 $output=shift and open STDOUT,">$output";
 850 print $code;
 851 close STDOUT;