crypto/sha/asm/sha1-586.pl

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