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 # Bulldozer     11.6            6.0/+92%
  97 # VIA Nano      10.6            7.4/+43%
  98 #
  99 # (*)   Loop is 1056 instructions long and expected result is ~8.25.
 100 #       It remains mystery [to me] why ILP is limited to 1.7.
 101 #
 102 # (**)  As per above comment, the result is for AVX *plus* sh[rl]d.
 103
 104 $0 =~ m/(.*[\/\\])[^\/\\]+$/; $dir=$1;
 105 push(@INC,"${dir}","${dir}../../perlasm");
 106 require "x86asm.pl";
 107
 108 &asm_init($ARGV[0],"sha1-586.pl",$ARGV[$#ARGV] eq "386");
 109
 110 $xmm=$ymm=0;
 111 for (@ARGV) { $xmm=1 if (/-DOPENSSL_IA32_SSE2/); }
 112
 113 $ymm=1 if ($xmm &&
 114                 `$ENV{CC} -Wa,-v -c -o /dev/null -x assembler /dev/null 2>&1`
 115                         =~ /GNU assembler version ([2-9]\.[0-9]+)/ &&
 116                 $1>=2.19);      # first version supporting AVX
 117
 118 $ymm=1 if ($xmm && !$ymm && $ARGV[0] eq "win32n" &&
 119                 `nasm -v 2>&1` =~ /NASM version ([2-9]\.[0-9]+)/ &&
 120                 $1>=2.03);      # first version supporting AVX
 121
 122 $ymm=1 if ($xmm && !$ymm && $ARGV[0] eq "win32" &&
 123                 `ml 2>&1` =~ /Version ([0-9]+)\./ &&
 124                 $1>=10);        # first version supporting AVX
 125
 126 &external_label("OPENSSL_ia32cap_P") if ($xmm);
 127
 128
 129 $A="eax";
 130 $B="ebx";
 131 $C="ecx";
 132 $D="edx";
 133 $E="edi";
 134 $T="esi";
 135 $tmp1="ebp";
 136
 137 @V=($A,$B,$C,$D,$E,$T);
 138
 139 $alt=0; # 1 denotes alternative IALU implementation, which performs
 140         # 8% *worse* on P4, same on Westmere and Atom, 2% better on
 141         # Sandy Bridge...
 142
 143 sub BODY_00_15
 144         {
 145         local($n,$a,$b,$c,$d,$e,$f)=@_;
 146
 147         &comment("00_15 $n");
 148
 149         &mov($f,$c);                    # f to hold F_00_19(b,c,d)
 150          if ($n==0)  { &mov($tmp1,$a); }
 151          else        { &mov($a,$tmp1); }
 152         &rotl($tmp1,5);                 # tmp1=ROTATE(a,5)
 153          &xor($f,$d);
 154         &add($tmp1,$e);                 # tmp1+=e;
 155          &mov($e,&swtmp($n%16));        # e becomes volatile and is loaded
 156                                         # with xi, also note that e becomes
 157                                         # f in next round...
 158         &and($f,$b);
 159         &rotr($b,2);                    # b=ROTATE(b,30)
 160          &xor($f,$d);                   # f holds F_00_19(b,c,d)
 161         &lea($tmp1,&DWP(0x5a827999,$tmp1,$e));  # tmp1+=K_00_19+xi
 162
 163         if ($n==15) { &mov($e,&swtmp(($n+1)%16));# pre-fetch f for next round
 164                       &add($f,$tmp1); } # f+=tmp1
 165         else        { &add($tmp1,$f); } # f becomes a in next round
 166         &mov($tmp1,$a)                  if ($alt && $n==15);
 167         }
 168
 169 sub BODY_16_19
 170         {
 171         local($n,$a,$b,$c,$d,$e,$f)=@_;
 172
 173         &comment("16_19 $n");
 174
 175 if ($alt) {
 176         &xor($c,$d);
 177          &xor($f,&swtmp(($n+2)%16));    # f to hold Xupdate(xi,xa,xb,xc,xd)
 178         &and($tmp1,$c);                 # tmp1 to hold F_00_19(b,c,d), b&=c^d
 179          &xor($f,&swtmp(($n+8)%16));
 180         &xor($tmp1,$d);                 # tmp1=F_00_19(b,c,d)
 181          &xor($f,&swtmp(($n+13)%16));   # f holds xa^xb^xc^xd
 182         &rotl($f,1);                    # f=ROTATE(f,1)
 183          &add($e,$tmp1);                # e+=F_00_19(b,c,d)
 184         &xor($c,$d);                    # restore $c
 185          &mov($tmp1,$a);                # b in next round
 186         &rotr($b,$n==16?2:7);           # b=ROTATE(b,30)
 187          &mov(&swtmp($n%16),$f);        # xi=f
 188         &rotl($a,5);                    # ROTATE(a,5)
 189          &lea($f,&DWP(0x5a827999,$f,$e));# f+=F_00_19(b,c,d)+e
 190         &mov($e,&swtmp(($n+1)%16));     # pre-fetch f for next round
 191          &add($f,$a);                   # f+=ROTATE(a,5)
 192 } else {
 193         &mov($tmp1,$c);                 # tmp1 to hold F_00_19(b,c,d)
 194          &xor($f,&swtmp(($n+2)%16));    # f to hold Xupdate(xi,xa,xb,xc,xd)
 195         &xor($tmp1,$d);
 196          &xor($f,&swtmp(($n+8)%16));
 197         &and($tmp1,$b);
 198          &xor($f,&swtmp(($n+13)%16));   # f holds xa^xb^xc^xd
 199         &rotl($f,1);                    # f=ROTATE(f,1)
 200          &xor($tmp1,$d);                # tmp1=F_00_19(b,c,d)
 201         &add($e,$tmp1);                 # e+=F_00_19(b,c,d)
 202          &mov($tmp1,$a);
 203         &rotr($b,2);                    # b=ROTATE(b,30)
 204          &mov(&swtmp($n%16),$f);        # xi=f
 205         &rotl($tmp1,5);                 # ROTATE(a,5)
 206          &lea($f,&DWP(0x5a827999,$f,$e));# f+=F_00_19(b,c,d)+e
 207         &mov($e,&swtmp(($n+1)%16));     # pre-fetch f for next round
 208          &add($f,$tmp1);                # f+=ROTATE(a,5)
 209 }
 210         }
 211
 212 sub BODY_20_39
 213         {
 214         local($n,$a,$b,$c,$d,$e,$f)=@_;
 215         local $K=($n<40)?0x6ed9eba1:0xca62c1d6;
 216
 217         &comment("20_39 $n");
 218
 219 if ($alt) {
 220         &xor($tmp1,$c);                 # tmp1 to hold F_20_39(b,c,d), b^=c
 221          &xor($f,&swtmp(($n+2)%16));    # f to hold Xupdate(xi,xa,xb,xc,xd)
 222         &xor($tmp1,$d);                 # tmp1 holds F_20_39(b,c,d)
 223          &xor($f,&swtmp(($n+8)%16));
 224         &add($e,$tmp1);                 # e+=F_20_39(b,c,d)
 225          &xor($f,&swtmp(($n+13)%16));   # f holds xa^xb^xc^xd
 226         &rotl($f,1);                    # f=ROTATE(f,1)
 227          &mov($tmp1,$a);                # b in next round
 228         &rotr($b,7);                    # b=ROTATE(b,30)
 229          &mov(&swtmp($n%16),$f)         if($n<77);# xi=f
 230         &rotl($a,5);                    # ROTATE(a,5)
 231          &xor($b,$c)                    if($n==39);# warm up for BODY_40_59
 232         &and($tmp1,$b)                  if($n==39);
 233          &lea($f,&DWP($K,$f,$e));       # f+=e+K_XX_YY
 234         &mov($e,&swtmp(($n+1)%16))      if($n<79);# pre-fetch f for next round
 235          &add($f,$a);                   # f+=ROTATE(a,5)
 236         &rotr($a,5)                     if ($n==79);
 237 } else {
 238         &mov($tmp1,$b);                 # tmp1 to hold F_20_39(b,c,d)
 239          &xor($f,&swtmp(($n+2)%16));    # f to hold Xupdate(xi,xa,xb,xc,xd)
 240         &xor($tmp1,$c);
 241          &xor($f,&swtmp(($n+8)%16));
 242         &xor($tmp1,$d);                 # tmp1 holds F_20_39(b,c,d)
 243          &xor($f,&swtmp(($n+13)%16));   # f holds xa^xb^xc^xd
 244         &rotl($f,1);                    # f=ROTATE(f,1)
 245          &add($e,$tmp1);                # e+=F_20_39(b,c,d)
 246         &rotr($b,2);                    # b=ROTATE(b,30)
 247          &mov($tmp1,$a);
 248         &rotl($tmp1,5);                 # ROTATE(a,5)
 249          &mov(&swtmp($n%16),$f) if($n<77);# xi=f
 250         &lea($f,&DWP($K,$f,$e));        # f+=e+K_XX_YY
 251          &mov($e,&swtmp(($n+1)%16)) if($n<79);# pre-fetch f for next round
 252         &add($f,$tmp1);                 # f+=ROTATE(a,5)
 253 }
 254         }
 255
 256 sub BODY_40_59
 257         {
 258         local($n,$a,$b,$c,$d,$e,$f)=@_;
 259
 260         &comment("40_59 $n");
 261
 262 if ($alt) {
 263         &add($e,$tmp1);                 # e+=b&(c^d)
 264          &xor($f,&swtmp(($n+2)%16));    # f to hold Xupdate(xi,xa,xb,xc,xd)
 265         &mov($tmp1,$d);
 266          &xor($f,&swtmp(($n+8)%16));
 267         &xor($c,$d);                    # restore $c
 268          &xor($f,&swtmp(($n+13)%16));   # f holds xa^xb^xc^xd
 269         &rotl($f,1);                    # f=ROTATE(f,1)
 270          &and($tmp1,$c);
 271         &rotr($b,7);                    # b=ROTATE(b,30)
 272          &add($e,$tmp1);                # e+=c&d
 273         &mov($tmp1,$a);                 # b in next round
 274          &mov(&swtmp($n%16),$f);        # xi=f
 275         &rotl($a,5);                    # ROTATE(a,5)
 276          &xor($b,$c)                    if ($n<59);
 277         &and($tmp1,$b)                  if ($n<59);# tmp1 to hold F_40_59(b,c,d)
 278          &lea($f,&DWP(0x8f1bbcdc,$f,$e));# f+=K_40_59+e+(b&(c^d))
 279         &mov($e,&swtmp(($n+1)%16));     # pre-fetch f for next round
 280          &add($f,$a);                   # f+=ROTATE(a,5)
 281 } else {
 282         &mov($tmp1,$c);                 # tmp1 to hold F_40_59(b,c,d)
 283          &xor($f,&swtmp(($n+2)%16));    # f to hold Xupdate(xi,xa,xb,xc,xd)
 284         &xor($tmp1,$d);
 285          &xor($f,&swtmp(($n+8)%16));
 286         &and($tmp1,$b);
 287          &xor($f,&swtmp(($n+13)%16));   # f holds xa^xb^xc^xd
 288         &rotl($f,1);                    # f=ROTATE(f,1)
 289          &add($tmp1,$e);                # b&(c^d)+=e
 290         &rotr($b,2);                    # b=ROTATE(b,30)
 291          &mov($e,$a);                   # e becomes volatile
 292         &rotl($e,5);                    # ROTATE(a,5)
 293          &mov(&swtmp($n%16),$f);        # xi=f
 294         &lea($f,&DWP(0x8f1bbcdc,$f,$tmp1));# f+=K_40_59+e+(b&(c^d))
 295          &mov($tmp1,$c);
 296         &add($f,$e);                    # f+=ROTATE(a,5)
 297          &and($tmp1,$d);
 298         &mov($e,&swtmp(($n+1)%16));     # pre-fetch f for next round
 299          &add($f,$tmp1);                # f+=c&d
 300 }
 301         }
 302
 303 &function_begin("sha1_block_data_order");
 304 if ($xmm) {
 305   &static_label("ssse3_shortcut");
 306   &static_label("avx_shortcut")         if ($ymm);
 307   &static_label("K_XX_XX");
 308
 309         &call   (&label("pic_point"));  # make it PIC!
 310   &set_label("pic_point");
 311         &blindpop($tmp1);
 312         &picmeup($T,"OPENSSL_ia32cap_P",$tmp1,&label("pic_point"));
 313         &lea    ($tmp1,&DWP(&label("K_XX_XX")."-".&label("pic_point"),$tmp1));
 314
 315         &mov    ($A,&DWP(0,$T));
 316         &mov    ($D,&DWP(4,$T));
 317         &test   ($D,1<<9);              # check SSSE3 bit
 318         &jz     (&label("x86"));
 319         &test   ($A,1<<24);             # check FXSR bit
 320         &jz     (&label("x86"));
 321         if ($ymm) {
 322                 &and    ($D,1<<28);             # mask AVX bit
 323                 &and    ($A,1<<30);             # mask "Intel CPU" bit
 324                 &or     ($A,$D);
 325                 &cmp    ($A,1<<28|1<<30);
 326                 &je     (&label("avx_shortcut"));
 327         }
 328         &jmp    (&label("ssse3_shortcut"));
 329   &set_label("x86",16);
 330 }
 331         &mov($tmp1,&wparam(0)); # SHA_CTX *c
 332         &mov($T,&wparam(1));    # const void *input
 333         &mov($A,&wparam(2));    # size_t num
 334         &stack_push(16+3);      # allocate X[16]
 335         &shl($A,6);
 336         &add($A,$T);
 337         &mov(&wparam(2),$A);    # pointer beyond the end of input
 338         &mov($E,&DWP(16,$tmp1));# pre-load E
 339         &jmp(&label("loop"));
 340
 341 &set_label("loop",16);
 342
 343         # copy input chunk to X, but reversing byte order!
 344         for ($i=0; $i<16; $i+=4)
 345                 {
 346                 &mov($A,&DWP(4*($i+0),$T));
 347                 &mov($B,&DWP(4*($i+1),$T));
 348                 &mov($C,&DWP(4*($i+2),$T));
 349                 &mov($D,&DWP(4*($i+3),$T));
 350                 &bswap($A);
 351                 &bswap($B);
 352                 &bswap($C);
 353                 &bswap($D);
 354                 &mov(&swtmp($i+0),$A);
 355                 &mov(&swtmp($i+1),$B);
 356                 &mov(&swtmp($i+2),$C);
 357                 &mov(&swtmp($i+3),$D);
 358                 }
 359         &mov(&wparam(1),$T);    # redundant in 1st spin
 360
 361         &mov($A,&DWP(0,$tmp1)); # load SHA_CTX
 362         &mov($B,&DWP(4,$tmp1));
 363         &mov($C,&DWP(8,$tmp1));
 364         &mov($D,&DWP(12,$tmp1));
 365         # E is pre-loaded
 366
 367         for($i=0;$i<16;$i++)    { &BODY_00_15($i,@V); unshift(@V,pop(@V)); }
 368         for(;$i<20;$i++)        { &BODY_16_19($i,@V); unshift(@V,pop(@V)); }
 369         for(;$i<40;$i++)        { &BODY_20_39($i,@V); unshift(@V,pop(@V)); }
 370         for(;$i<60;$i++)        { &BODY_40_59($i,@V); unshift(@V,pop(@V)); }
 371         for(;$i<80;$i++)        { &BODY_20_39($i,@V); unshift(@V,pop(@V)); }
 372
 373         (($V[5] eq $D) and ($V[0] eq $E)) or die;       # double-check
 374
 375         &mov($tmp1,&wparam(0)); # re-load SHA_CTX*
 376         &mov($D,&wparam(1));    # D is last "T" and is discarded
 377
 378         &add($E,&DWP(0,$tmp1)); # E is last "A"...
 379         &add($T,&DWP(4,$tmp1));
 380         &add($A,&DWP(8,$tmp1));
 381         &add($B,&DWP(12,$tmp1));
 382         &add($C,&DWP(16,$tmp1));
 383
 384         &mov(&DWP(0,$tmp1),$E); # update SHA_CTX
 385          &add($D,64);           # advance input pointer
 386         &mov(&DWP(4,$tmp1),$T);
 387          &cmp($D,&wparam(2));   # have we reached the end yet?
 388         &mov(&DWP(8,$tmp1),$A);
 389          &mov($E,$C);           # C is last "E" which needs to be "pre-loaded"
 390         &mov(&DWP(12,$tmp1),$B);
 391          &mov($T,$D);           # input pointer
 392         &mov(&DWP(16,$tmp1),$C);
 393         &jb(&label("loop"));
 394
 395         &stack_pop(16+3);
 396 &function_end("sha1_block_data_order");
 397
 398 if ($xmm) {
 399 ######################################################################
 400 # The SSSE3 implementation.
 401 #
 402 # %xmm[0-7] are used as ring @X[] buffer containing quadruples of last
 403 # 32 elements of the message schedule or Xupdate outputs. First 4
 404 # quadruples are simply byte-swapped input, next 4 are calculated
 405 # according to method originally suggested by Dean Gaudet (modulo
 406 # being implemented in SSSE3). Once 8 quadruples or 32 elements are
 407 # collected, it switches to routine proposed by Max Locktyukhin.
 408 #
 409 # Calculations inevitably require temporary reqisters, and there are
 410 # no %xmm registers left to spare. For this reason part of the ring
 411 # buffer, X[2..4] to be specific, is offloaded to 3 quadriples ring
 412 # buffer on the stack. Keep in mind that X[2] is alias X[-6], X[3] -
 413 # X[-5], and X[4] - X[-4]...
 414 #
 415 # Another notable optimization is aggressive stack frame compression
 416 # aiming to minimize amount of 9-byte instructions...
 417 #
 418 # Yet another notable optimization is "jumping" $B variable. It means
 419 # that there is no register permanently allocated for $B value. This
 420 # allowed to eliminate one instruction from body_20_39...
 421 #
 422 my $Xi=4;                       # 4xSIMD Xupdate round, start pre-seeded
 423 my @X=map("xmm$_",(4..7,0..3)); # pre-seeded for $Xi=4
 424 my @V=($A,$B,$C,$D,$E);
 425 my $j=0;                        # hash round
 426 my $rx=0;
 427 my @T=($T,$tmp1);
 428 my $inp;
 429
 430 my $_rol=sub { &rol(@_) };
 431 my $_ror=sub { &ror(@_) };
 432
 433 &function_begin("_sha1_block_data_order_ssse3");
 434         &call   (&label("pic_point"));  # make it PIC!
 435         &set_label("pic_point");
 436         &blindpop($tmp1);
 437         &lea    ($tmp1,&DWP(&label("K_XX_XX")."-".&label("pic_point"),$tmp1));
 438 &set_label("ssse3_shortcut");
 439
 440         &movdqa (@X[3],&QWP(0,$tmp1));          # K_00_19
 441         &movdqa (@X[4],&QWP(16,$tmp1));         # K_20_39
 442         &movdqa (@X[5],&QWP(32,$tmp1));         # K_40_59
 443         &movdqa (@X[6],&QWP(48,$tmp1));         # K_60_79
 444         &movdqa (@X[2],&QWP(64,$tmp1));         # pbswap mask
 445
 446         &mov    ($E,&wparam(0));                # load argument block
 447         &mov    ($inp=@T[1],&wparam(1));
 448         &mov    ($D,&wparam(2));
 449         &mov    (@T[0],"esp");
 450
 451         # stack frame layout
 452         #
 453         # +0    X[0]+K  X[1]+K  X[2]+K  X[3]+K  # XMM->IALU xfer area
 454         #       X[4]+K  X[5]+K  X[6]+K  X[7]+K
 455         #       X[8]+K  X[9]+K  X[10]+K X[11]+K
 456         #       X[12]+K X[13]+K X[14]+K X[15]+K
 457         #
 458         # +64   X[0]    X[1]    X[2]    X[3]    # XMM->XMM backtrace area
 459         #       X[4]    X[5]    X[6]    X[7]
 460         #       X[8]    X[9]    X[10]   X[11]   # even borrowed for K_00_19
 461         #
 462         # +112  K_20_39 K_20_39 K_20_39 K_20_39 # constants
 463         #       K_40_59 K_40_59 K_40_59 K_40_59
 464         #       K_60_79 K_60_79 K_60_79 K_60_79
 465         #       K_00_19 K_00_19 K_00_19 K_00_19
 466         #       pbswap mask
 467         #
 468         # +192  ctx                             # argument block
 469         # +196  inp
 470         # +200  end
 471         # +204  esp
 472         &sub    ("esp",208);
 473         &and    ("esp",-64);
 474
 475         &movdqa (&QWP(112+0,"esp"),@X[4]);      # copy constants
 476         &movdqa (&QWP(112+16,"esp"),@X[5]);
 477         &movdqa (&QWP(112+32,"esp"),@X[6]);
 478         &shl    ($D,6);                         # len*64
 479         &movdqa (&QWP(112+48,"esp"),@X[3]);
 480         &add    ($D,$inp);                      # end of input
 481         &movdqa (&QWP(112+64,"esp"),@X[2]);
 482         &add    ($inp,64);
 483         &mov    (&DWP(192+0,"esp"),$E);         # save argument block
 484         &mov    (&DWP(192+4,"esp"),$inp);
 485         &mov    (&DWP(192+8,"esp"),$D);
 486         &mov    (&DWP(192+12,"esp"),@T[0]);     # save original %esp
 487
 488         &mov    ($A,&DWP(0,$E));                # load context
 489         &mov    ($B,&DWP(4,$E));
 490         &mov    ($C,&DWP(8,$E));
 491         &mov    ($D,&DWP(12,$E));
 492         &mov    ($E,&DWP(16,$E));
 493         &mov    (@T[0],$B);                     # magic seed
 494
 495         &movdqu (@X[-4&7],&QWP(-64,$inp));      # load input to %xmm[0-3]
 496         &movdqu (@X[-3&7],&QWP(-48,$inp));
 497         &movdqu (@X[-2&7],&QWP(-32,$inp));
 498         &movdqu (@X[-1&7],&QWP(-16,$inp));
 499         &pshufb (@X[-4&7],@X[2]);               # byte swap
 500         &pshufb (@X[-3&7],@X[2]);
 501         &pshufb (@X[-2&7],@X[2]);
 502         &movdqa (&QWP(112-16,"esp"),@X[3]);     # borrow last backtrace slot
 503         &pshufb (@X[-1&7],@X[2]);
 504         &paddd  (@X[-4&7],@X[3]);               # add K_00_19
 505         &paddd  (@X[-3&7],@X[3]);
 506         &paddd  (@X[-2&7],@X[3]);
 507         &movdqa (&QWP(0,"esp"),@X[-4&7]);       # X[]+K xfer to IALU
 508         &psubd  (@X[-4&7],@X[3]);               # restore X[]
 509         &movdqa (&QWP(0+16,"esp"),@X[-3&7]);
 510         &psubd  (@X[-3&7],@X[3]);
 511         &movdqa (&QWP(0+32,"esp"),@X[-2&7]);
 512         &mov    (@T[1],$C);
 513         &psubd  (@X[-2&7],@X[3]);
 514         &xor    (@T[1],$D);
 515         &movdqa (@X[0],@X[-3&7]);
 516         &and    (@T[0],@T[1]);
 517         &jmp    (&label("loop"));
 518
 519 ######################################################################
 520 # SSE instruction sequence is first broken to groups of indepentent
 521 # instructions, independent in respect to their inputs and shifter
 522 # (not all architectures have more than one). Then IALU instructions
 523 # are "knitted in" between the SSE groups. Distance is maintained for
 524 # SSE latency of 2 in hope that it fits better upcoming AMD Bulldozer
 525 # [which allegedly also implements SSSE3]...
 526 #
 527 # Temporary registers usage. X[2] is volatile at the entry and at the
 528 # end is restored from backtrace ring buffer. X[3] is expected to
 529 # contain current K_XX_XX constant and is used to caclulate X[-1]+K
 530 # from previous round, it becomes volatile the moment the value is
 531 # saved to stack for transfer to IALU. X[4] becomes volatile whenever
 532 # X[-4] is accumulated and offloaded to backtrace ring buffer, at the
 533 # end it is loaded with next K_XX_XX [which becomes X[3] in next
 534 # round]...
 535 #
 536 sub Xupdate_ssse3_16_31()               # recall that $Xi starts wtih 4
 537 { use integer;
 538   my $body = shift;
 539   my @insns = (&$body,&$body,&$body,&$body);    # 40 instructions
 540   my ($a,$b,$c,$d,$e);
 541
 542          eval(shift(@insns));
 543          eval(shift(@insns));
 544         &palignr(@X[0],@X[-4&7],8);     # compose "X[-14]" in "X[0]"
 545         &movdqa (@X[2],@X[-1&7]);
 546          eval(shift(@insns));
 547          eval(shift(@insns));
 548
 549           &paddd        (@X[3],@X[-1&7]);
 550           &movdqa       (&QWP(64+16*(($Xi-4)%3),"esp"),@X[-4&7]);# save X[] to backtrace buffer
 551          eval(shift(@insns));
 552          eval(shift(@insns));
 553         &psrldq (@X[2],4);              # "X[-3]", 3 dwords
 554          eval(shift(@insns));
 555          eval(shift(@insns));
 556         &pxor   (@X[0],@X[-4&7]);       # "X[0]"^="X[-16]"
 557          eval(shift(@insns));
 558          eval(shift(@insns));
 559
 560         &pxor   (@X[2],@X[-2&7]);       # "X[-3]"^"X[-8]"
 561          eval(shift(@insns));
 562          eval(shift(@insns));
 563          eval(shift(@insns));
 564          eval(shift(@insns));
 565
 566         &pxor   (@X[0],@X[2]);          # "X[0]"^="X[-3]"^"X[-8]"
 567          eval(shift(@insns));
 568          eval(shift(@insns));
 569           &movdqa       (&QWP(0+16*(($Xi-1)&3),"esp"),@X[3]);   # X[]+K xfer to IALU
 570          eval(shift(@insns));
 571          eval(shift(@insns));
 572
 573         &movdqa (@X[4],@X[0]);
 574         &movdqa (@X[2],@X[0]);
 575          eval(shift(@insns));
 576          eval(shift(@insns));
 577          eval(shift(@insns));
 578          eval(shift(@insns));
 579
 580         &pslldq (@X[4],12);             # "X[0]"<<96, extract one dword
 581         &paddd  (@X[0],@X[0]);
 582          eval(shift(@insns));
 583          eval(shift(@insns));
 584          eval(shift(@insns));
 585          eval(shift(@insns));
 586
 587         &psrld  (@X[2],31);
 588          eval(shift(@insns));
 589          eval(shift(@insns));
 590         &movdqa (@X[3],@X[4]);
 591          eval(shift(@insns));
 592          eval(shift(@insns));
 593
 594         &psrld  (@X[4],30);
 595         &por    (@X[0],@X[2]);          # "X[0]"<<<=1
 596          eval(shift(@insns));
 597          eval(shift(@insns));
 598           &movdqa       (@X[2],&QWP(64+16*(($Xi-6)%3),"esp")) if ($Xi>5);       # restore X[] from backtrace buffer
 599          eval(shift(@insns));
 600          eval(shift(@insns));
 601
 602         &pslld  (@X[3],2);
 603         &pxor   (@X[0],@X[4]);
 604          eval(shift(@insns));
 605          eval(shift(@insns));
 606           &movdqa       (@X[4],&QWP(112-16+16*(($Xi)/5),"esp"));        # K_XX_XX
 607          eval(shift(@insns));
 608          eval(shift(@insns));
 609
 610         &pxor   (@X[0],@X[3]);          # "X[0]"^=("X[0]"<<96)<<<2
 611           &movdqa       (@X[1],@X[-2&7])        if ($Xi<7);
 612          eval(shift(@insns));
 613          eval(shift(@insns));
 614
 615          foreach (@insns) { eval; }     # remaining instructions [if any]
 616
 617   $Xi++;        push(@X,shift(@X));     # "rotate" X[]
 618 }
 619
 620 sub Xupdate_ssse3_32_79()
 621 { use integer;
 622   my $body = shift;
 623   my @insns = (&$body,&$body,&$body,&$body);    # 32 to 44 instructions
 624   my ($a,$b,$c,$d,$e);
 625
 626         &movdqa (@X[2],@X[-1&7])        if ($Xi==8);
 627          eval(shift(@insns));           # body_20_39
 628         &pxor   (@X[0],@X[-4&7]);       # "X[0]"="X[-32]"^"X[-16]"
 629         &palignr(@X[2],@X[-2&7],8);     # compose "X[-6]"
 630          eval(shift(@insns));
 631          eval(shift(@insns));
 632          eval(shift(@insns));           # rol
 633
 634         &pxor   (@X[0],@X[-7&7]);       # "X[0]"^="X[-28]"
 635           &movdqa       (&QWP(64+16*(($Xi-4)%3),"esp"),@X[-4&7]);       # save X[] to backtrace buffer
 636          eval(shift(@insns));
 637          eval(shift(@insns));
 638          if ($Xi%5) {
 639           &movdqa       (@X[4],@X[3]);  # "perpetuate" K_XX_XX...
 640          } else {                       # ... or load next one
 641           &movdqa       (@X[4],&QWP(112-16+16*($Xi/5),"esp"));
 642          }
 643           &paddd        (@X[3],@X[-1&7]);
 644          eval(shift(@insns));           # ror
 645          eval(shift(@insns));
 646
 647         &pxor   (@X[0],@X[2]);          # "X[0]"^="X[-6]"
 648          eval(shift(@insns));           # body_20_39
 649          eval(shift(@insns));
 650          eval(shift(@insns));
 651          eval(shift(@insns));           # rol
 652
 653         &movdqa (@X[2],@X[0]);
 654           &movdqa       (&QWP(0+16*(($Xi-1)&3),"esp"),@X[3]);   # X[]+K xfer to IALU
 655          eval(shift(@insns));
 656          eval(shift(@insns));
 657          eval(shift(@insns));           # ror
 658          eval(shift(@insns));
 659
 660         &pslld  (@X[0],2);
 661          eval(shift(@insns));           # body_20_39
 662          eval(shift(@insns));
 663         &psrld  (@X[2],30);
 664          eval(shift(@insns));
 665          eval(shift(@insns));           # rol
 666          eval(shift(@insns));
 667          eval(shift(@insns));
 668          eval(shift(@insns));           # ror
 669          eval(shift(@insns));
 670
 671         &por    (@X[0],@X[2]);          # "X[0]"<<<=2
 672          eval(shift(@insns));           # body_20_39
 673          eval(shift(@insns));
 674           &movdqa       (@X[2],&QWP(64+16*(($Xi-6)%3),"esp")) if($Xi<19);       # restore X[] from backtrace buffer
 675          eval(shift(@insns));
 676          eval(shift(@insns));           # rol
 677          eval(shift(@insns));
 678          eval(shift(@insns));
 679          eval(shift(@insns));           # ror
 680           &movdqa       (@X[3],@X[0])   if ($Xi<19);
 681          eval(shift(@insns));
 682
 683          foreach (@insns) { eval; }     # remaining instructions
 684
 685   $Xi++;        push(@X,shift(@X));     # "rotate" X[]
 686 }
 687
 688 sub Xuplast_ssse3_80()
 689 { use integer;
 690   my $body = shift;
 691   my @insns = (&$body,&$body,&$body,&$body);    # 32 instructions
 692   my ($a,$b,$c,$d,$e);
 693
 694          eval(shift(@insns));
 695           &paddd        (@X[3],@X[-1&7]);
 696          eval(shift(@insns));
 697          eval(shift(@insns));
 698          eval(shift(@insns));
 699          eval(shift(@insns));
 700
 701           &movdqa       (&QWP(0+16*(($Xi-1)&3),"esp"),@X[3]);   # X[]+K xfer IALU
 702
 703          foreach (@insns) { eval; }             # remaining instructions
 704
 705         &mov    ($inp=@T[1],&DWP(192+4,"esp"));
 706         &cmp    ($inp,&DWP(192+8,"esp"));
 707         &je     (&label("done"));
 708
 709         &movdqa (@X[3],&QWP(112+48,"esp"));     # K_00_19
 710         &movdqa (@X[2],&QWP(112+64,"esp"));     # pbswap mask
 711         &movdqu (@X[-4&7],&QWP(0,$inp));        # load input
 712         &movdqu (@X[-3&7],&QWP(16,$inp));
 713         &movdqu (@X[-2&7],&QWP(32,$inp));
 714         &movdqu (@X[-1&7],&QWP(48,$inp));
 715         &add    ($inp,64);
 716         &pshufb (@X[-4&7],@X[2]);               # byte swap
 717         &mov    (&DWP(192+4,"esp"),$inp);
 718         &movdqa (&QWP(112-16,"esp"),@X[3]);     # borrow last backtrace slot
 719
 720   $Xi=0;
 721 }
 722
 723 sub Xloop_ssse3()
 724 { use integer;
 725   my $body = shift;
 726   my @insns = (&$body,&$body,&$body,&$body);    # 32 instructions
 727   my ($a,$b,$c,$d,$e);
 728
 729          eval(shift(@insns));
 730          eval(shift(@insns));
 731         &pshufb (@X[($Xi-3)&7],@X[2]);
 732          eval(shift(@insns));
 733          eval(shift(@insns));
 734         &paddd  (@X[($Xi-4)&7],@X[3]);
 735          eval(shift(@insns));
 736          eval(shift(@insns));
 737          eval(shift(@insns));
 738          eval(shift(@insns));
 739         &movdqa (&QWP(0+16*$Xi,"esp"),@X[($Xi-4)&7]);   # X[]+K xfer to IALU
 740          eval(shift(@insns));
 741          eval(shift(@insns));
 742         &psubd  (@X[($Xi-4)&7],@X[3]);
 743
 744         foreach (@insns) { eval; }
 745   $Xi++;
 746 }
 747
 748 sub Xtail_ssse3()
 749 { use integer;
 750   my $body = shift;
 751   my @insns = (&$body,&$body,&$body,&$body);    # 32 instructions
 752   my ($a,$b,$c,$d,$e);
 753
 754         foreach (@insns) { eval; }
 755 }
 756
 757 sub body_00_19 () {     # ((c^d)&b)^d
 758         # on start @T[0]=(c^d)&b
 759         return &body_20_39()    if ($rx==19);   $rx++;
 760         (
 761         '($a,$b,$c,$d,$e)=@V;'.
 762         '&$_ror ($b,$j?7:2);',  # $b>>>2
 763         '&xor   (@T[0],$d);',
 764         '&mov   (@T[1],$a);',   # $b in next round
 765
 766         '&add   ($e,&DWP(4*($j&15),"esp"));',   # X[]+K xfer
 767         '&xor   ($b,$c);',      # $c^$d for next round
 768
 769         '&$_rol ($a,5);',
 770         '&add   ($e,@T[0]);',
 771         '&and   (@T[1],$b);',   # ($b&($c^$d)) for next round
 772
 773         '&xor   ($b,$c);',      # restore $b
 774         '&add   ($e,$a);'       .'$j++; unshift(@V,pop(@V)); unshift(@T,pop(@T));'
 775         );
 776 }
 777
 778 sub body_20_39 () {     # b^d^c
 779         # on entry @T[0]=b^d
 780         return &body_40_59()    if ($rx==39);   $rx++;
 781         (
 782         '($a,$b,$c,$d,$e)=@V;'.
 783         '&add   ($e,&DWP(4*($j&15),"esp"));',   # X[]+K xfer
 784         '&xor   (@T[0],$d)      if($j==19);'.
 785         '&xor   (@T[0],$c)      if($j> 19);',   # ($b^$d^$c)
 786         '&mov   (@T[1],$a);',   # $b in next round
 787
 788         '&$_rol ($a,5);',
 789         '&add   ($e,@T[0]);',
 790         '&xor   (@T[1],$c)      if ($j< 79);',  # $b^$d for next round
 791
 792         '&$_ror ($b,7);',       # $b>>>2
 793         '&add   ($e,$a);'       .'$j++; unshift(@V,pop(@V)); unshift(@T,pop(@T));'
 794         );
 795 }
 796
 797 sub body_40_59 () {     # ((b^c)&(c^d))^c
 798         # on entry @T[0]=(b^c), (c^=d)
 799         $rx++;
 800         (
 801         '($a,$b,$c,$d,$e)=@V;'.
 802         '&add   ($e,&DWP(4*($j&15),"esp"));',   # X[]+K xfer
 803         '&and   (@T[0],$c)      if ($j>=40);',  # (b^c)&(c^d)
 804         '&xor   ($c,$d)         if ($j>=40);',  # restore $c
 805
 806         '&$_ror ($b,7);',       # $b>>>2
 807         '&mov   (@T[1],$a);',   # $b for next round
 808         '&xor   (@T[0],$c);',
 809
 810         '&$_rol ($a,5);',
 811         '&add   ($e,@T[0]);',
 812         '&xor   (@T[1],$c)      if ($j==59);'.
 813         '&xor   (@T[1],$b)      if ($j< 59);',  # b^c for next round
 814
 815         '&xor   ($b,$c)         if ($j< 59);',  # c^d for next round
 816         '&add   ($e,$a);'       .'$j++; unshift(@V,pop(@V)); unshift(@T,pop(@T));'
 817         );
 818 }
 819
 820 &set_label("loop",16);
 821         &Xupdate_ssse3_16_31(\&body_00_19);
 822         &Xupdate_ssse3_16_31(\&body_00_19);
 823         &Xupdate_ssse3_16_31(\&body_00_19);
 824         &Xupdate_ssse3_16_31(\&body_00_19);
 825         &Xupdate_ssse3_32_79(\&body_00_19);
 826         &Xupdate_ssse3_32_79(\&body_20_39);
 827         &Xupdate_ssse3_32_79(\&body_20_39);
 828         &Xupdate_ssse3_32_79(\&body_20_39);
 829         &Xupdate_ssse3_32_79(\&body_20_39);
 830         &Xupdate_ssse3_32_79(\&body_20_39);
 831         &Xupdate_ssse3_32_79(\&body_40_59);
 832         &Xupdate_ssse3_32_79(\&body_40_59);
 833         &Xupdate_ssse3_32_79(\&body_40_59);
 834         &Xupdate_ssse3_32_79(\&body_40_59);
 835         &Xupdate_ssse3_32_79(\&body_40_59);
 836         &Xupdate_ssse3_32_79(\&body_20_39);
 837         &Xuplast_ssse3_80(\&body_20_39);        # can jump to "done"
 838
 839                                 $saved_j=$j; @saved_V=@V;
 840
 841         &Xloop_ssse3(\&body_20_39);
 842         &Xloop_ssse3(\&body_20_39);
 843         &Xloop_ssse3(\&body_20_39);
 844
 845         &mov    (@T[1],&DWP(192,"esp"));        # update context
 846         &add    ($A,&DWP(0,@T[1]));
 847         &add    (@T[0],&DWP(4,@T[1]));          # $b
 848         &add    ($C,&DWP(8,@T[1]));
 849         &mov    (&DWP(0,@T[1]),$A);
 850         &add    ($D,&DWP(12,@T[1]));
 851         &mov    (&DWP(4,@T[1]),@T[0]);
 852         &add    ($E,&DWP(16,@T[1]));
 853         &mov    (&DWP(8,@T[1]),$C);
 854         &mov    ($B,$C);
 855         &mov    (&DWP(12,@T[1]),$D);
 856         &xor    ($B,$D);
 857         &mov    (&DWP(16,@T[1]),$E);
 858         &and    ($B,@T[0]);
 859         &movdqa (@X[0],@X[-3&7]);
 860         &xchg   ($B,@T[0]);
 861
 862         &jmp    (&label("loop"));
 863
 864 &set_label("done",16);          $j=$saved_j; @V=@saved_V;
 865
 866         &Xtail_ssse3(\&body_20_39);
 867         &Xtail_ssse3(\&body_20_39);
 868         &Xtail_ssse3(\&body_20_39);
 869
 870         &mov    (@T[1],&DWP(192,"esp"));        # update context
 871         &add    ($A,&DWP(0,@T[1]));
 872         &mov    ("esp",&DWP(192+12,"esp"));     # restore %esp
 873         &add    (@T[0],&DWP(4,@T[1]));          # $b
 874         &add    ($C,&DWP(8,@T[1]));
 875         &mov    (&DWP(0,@T[1]),$A);
 876         &add    ($D,&DWP(12,@T[1]));
 877         &mov    (&DWP(4,@T[1]),@T[0]);
 878         &add    ($E,&DWP(16,@T[1]));
 879         &mov    (&DWP(8,@T[1]),$C);
 880         &mov    (&DWP(12,@T[1]),$D);
 881         &mov    (&DWP(16,@T[1]),$E);
 882
 883 &function_end("_sha1_block_data_order_ssse3");
 884
 885 $rx=0;  # reset
 886
 887 if ($ymm) {
 888 my $Xi=4;                       # 4xSIMD Xupdate round, start pre-seeded
 889 my @X=map("xmm$_",(4..7,0..3)); # pre-seeded for $Xi=4
 890 my @V=($A,$B,$C,$D,$E);
 891 my $j=0;                        # hash round
 892 my @T=($T,$tmp1);
 893 my $inp;
 894
 895 my $_rol=sub { &shld(@_[0],@_) };
 896 my $_ror=sub { &shrd(@_[0],@_) };
 897
 898 &function_begin("_sha1_block_data_order_avx");
 899         &call   (&label("pic_point"));  # make it PIC!
 900         &set_label("pic_point");
 901         &blindpop($tmp1);
 902         &lea    ($tmp1,&DWP(&label("K_XX_XX")."-".&label("pic_point"),$tmp1));
 903 &set_label("avx_shortcut");
 904         &vzeroall();
 905
 906         &vmovdqa(@X[3],&QWP(0,$tmp1));          # K_00_19
 907         &vmovdqa(@X[4],&QWP(16,$tmp1));         # K_20_39
 908         &vmovdqa(@X[5],&QWP(32,$tmp1));         # K_40_59
 909         &vmovdqa(@X[6],&QWP(48,$tmp1));         # K_60_79
 910         &vmovdqa(@X[2],&QWP(64,$tmp1));         # pbswap mask
 911
 912         &mov    ($E,&wparam(0));                # load argument block
 913         &mov    ($inp=@T[1],&wparam(1));
 914         &mov    ($D,&wparam(2));
 915         &mov    (@T[0],"esp");
 916
 917         # stack frame layout
 918         #
 919         # +0    X[0]+K  X[1]+K  X[2]+K  X[3]+K  # XMM->IALU xfer area
 920         #       X[4]+K  X[5]+K  X[6]+K  X[7]+K
 921         #       X[8]+K  X[9]+K  X[10]+K X[11]+K
 922         #       X[12]+K X[13]+K X[14]+K X[15]+K
 923         #
 924         # +64   X[0]    X[1]    X[2]    X[3]    # XMM->XMM backtrace area
 925         #       X[4]    X[5]    X[6]    X[7]
 926         #       X[8]    X[9]    X[10]   X[11]   # even borrowed for K_00_19
 927         #
 928         # +112  K_20_39 K_20_39 K_20_39 K_20_39 # constants
 929         #       K_40_59 K_40_59 K_40_59 K_40_59
 930         #       K_60_79 K_60_79 K_60_79 K_60_79
 931         #       K_00_19 K_00_19 K_00_19 K_00_19
 932         #       pbswap mask
 933         #
 934         # +192  ctx                             # argument block
 935         # +196  inp
 936         # +200  end
 937         # +204  esp
 938         &sub    ("esp",208);
 939         &and    ("esp",-64);
 940
 941         &vmovdqa(&QWP(112+0,"esp"),@X[4]);      # copy constants
 942         &vmovdqa(&QWP(112+16,"esp"),@X[5]);
 943         &vmovdqa(&QWP(112+32,"esp"),@X[6]);
 944         &shl    ($D,6);                         # len*64
 945         &vmovdqa(&QWP(112+48,"esp"),@X[3]);
 946         &add    ($D,$inp);                      # end of input
 947         &vmovdqa(&QWP(112+64,"esp"),@X[2]);
 948         &add    ($inp,64);
 949         &mov    (&DWP(192+0,"esp"),$E);         # save argument block
 950         &mov    (&DWP(192+4,"esp"),$inp);
 951         &mov    (&DWP(192+8,"esp"),$D);
 952         &mov    (&DWP(192+12,"esp"),@T[0]);     # save original %esp
 953
 954         &mov    ($A,&DWP(0,$E));                # load context
 955         &mov    ($B,&DWP(4,$E));
 956         &mov    ($C,&DWP(8,$E));
 957         &mov    ($D,&DWP(12,$E));
 958         &mov    ($E,&DWP(16,$E));
 959         &mov    (@T[0],$B);                     # magic seed
 960
 961         &vmovdqu(@X[-4&7],&QWP(-64,$inp));      # load input to %xmm[0-3]
 962         &vmovdqu(@X[-3&7],&QWP(-48,$inp));
 963         &vmovdqu(@X[-2&7],&QWP(-32,$inp));
 964         &vmovdqu(@X[-1&7],&QWP(-16,$inp));
 965         &vpshufb(@X[-4&7],@X[-4&7],@X[2]);      # byte swap
 966         &vpshufb(@X[-3&7],@X[-3&7],@X[2]);
 967         &vpshufb(@X[-2&7],@X[-2&7],@X[2]);
 968         &vmovdqa(&QWP(112-16,"esp"),@X[3]);     # borrow last backtrace slot
 969         &vpshufb(@X[-1&7],@X[-1&7],@X[2]);
 970         &vpaddd (@X[0],@X[-4&7],@X[3]);         # add K_00_19
 971         &vpaddd (@X[1],@X[-3&7],@X[3]);
 972         &vpaddd (@X[2],@X[-2&7],@X[3]);
 973         &vmovdqa(&QWP(0,"esp"),@X[0]);          # X[]+K xfer to IALU
 974         &mov    (@T[1],$C);
 975         &vmovdqa(&QWP(0+16,"esp"),@X[1]);
 976         &xor    (@T[1],$D);
 977         &vmovdqa(&QWP(0+32,"esp"),@X[2]);
 978         &and    (@T[0],@T[1]);
 979         &jmp    (&label("loop"));
 980
 981 sub Xupdate_avx_16_31()         # recall that $Xi starts wtih 4
 982 { use integer;
 983   my $body = shift;
 984   my @insns = (&$body,&$body,&$body,&$body);    # 40 instructions
 985   my ($a,$b,$c,$d,$e);
 986
 987          eval(shift(@insns));
 988          eval(shift(@insns));
 989         &vpalignr(@X[0],@X[-3&7],@X[-4&7],8);   # compose "X[-14]" in "X[0]"
 990          eval(shift(@insns));
 991          eval(shift(@insns));
 992
 993           &vpaddd       (@X[3],@X[3],@X[-1&7]);
 994           &vmovdqa      (&QWP(64+16*(($Xi-4)%3),"esp"),@X[-4&7]);# save X[] to backtrace buffer
 995          eval(shift(@insns));
 996          eval(shift(@insns));
 997         &vpsrldq(@X[2],@X[-1&7],4);             # "X[-3]", 3 dwords
 998          eval(shift(@insns));
 999          eval(shift(@insns));
1000         &vpxor  (@X[0],@X[0],@X[-4&7]);         # "X[0]"^="X[-16]"
1001          eval(shift(@insns));
1002          eval(shift(@insns));
1003
1004         &vpxor  (@X[2],@X[2],@X[-2&7]);         # "X[-3]"^"X[-8]"
1005          eval(shift(@insns));
1006          eval(shift(@insns));
1007           &vmovdqa      (&QWP(0+16*(($Xi-1)&3),"esp"),@X[3]);   # X[]+K xfer to IALU
1008          eval(shift(@insns));
1009          eval(shift(@insns));
1010
1011         &vpxor  (@X[0],@X[0],@X[2]);            # "X[0]"^="X[-3]"^"X[-8]"
1012          eval(shift(@insns));
1013          eval(shift(@insns));
1014          eval(shift(@insns));
1015          eval(shift(@insns));
1016
1017         &vpsrld (@X[2],@X[0],31);
1018          eval(shift(@insns));
1019          eval(shift(@insns));
1020          eval(shift(@insns));
1021          eval(shift(@insns));
1022
1023         &vpslldq(@X[4],@X[0],12);               # "X[0]"<<96, extract one dword
1024         &vpaddd (@X[0],@X[0],@X[0]);
1025          eval(shift(@insns));
1026          eval(shift(@insns));
1027          eval(shift(@insns));
1028          eval(shift(@insns));
1029
1030         &vpsrld (@X[3],@X[4],30);
1031         &vpor   (@X[0],@X[0],@X[2]);            # "X[0]"<<<=1
1032          eval(shift(@insns));
1033          eval(shift(@insns));
1034          eval(shift(@insns));
1035          eval(shift(@insns));
1036
1037         &vpslld (@X[4],@X[4],2);
1038           &vmovdqa      (@X[2],&QWP(64+16*(($Xi-6)%3),"esp")) if ($Xi>5);       # restore X[] from backtrace buffer
1039          eval(shift(@insns));
1040          eval(shift(@insns));
1041         &vpxor  (@X[0],@X[0],@X[3]);
1042          eval(shift(@insns));
1043          eval(shift(@insns));
1044          eval(shift(@insns));
1045          eval(shift(@insns));
1046
1047         &vpxor  (@X[0],@X[0],@X[4]);            # "X[0]"^=("X[0]"<<96)<<<2
1048          eval(shift(@insns));
1049          eval(shift(@insns));
1050           &vmovdqa      (@X[4],&QWP(112-16+16*(($Xi)/5),"esp"));        # K_XX_XX
1051          eval(shift(@insns));
1052          eval(shift(@insns));
1053
1054          foreach (@insns) { eval; }     # remaining instructions [if any]
1055
1056   $Xi++;        push(@X,shift(@X));     # "rotate" X[]
1057 }
1058
1059 sub Xupdate_avx_32_79()
1060 { use integer;
1061   my $body = shift;
1062   my @insns = (&$body,&$body,&$body,&$body);    # 32 to 44 instructions
1063   my ($a,$b,$c,$d,$e);
1064
1065         &vpalignr(@X[2],@X[-1&7],@X[-2&7],8);   # compose "X[-6]"
1066         &vpxor  (@X[0],@X[0],@X[-4&7]); # "X[0]"="X[-32]"^"X[-16]"
1067          eval(shift(@insns));           # body_20_39
1068          eval(shift(@insns));
1069          eval(shift(@insns));
1070          eval(shift(@insns));           # rol
1071
1072         &vpxor  (@X[0],@X[0],@X[-7&7]); # "X[0]"^="X[-28]"
1073           &vmovdqa      (&QWP(64+16*(($Xi-4)%3),"esp"),@X[-4&7]);       # save X[] to backtrace buffer
1074          eval(shift(@insns));
1075          eval(shift(@insns));
1076          if ($Xi%5) {
1077           &vmovdqa      (@X[4],@X[3]);  # "perpetuate" K_XX_XX...
1078          } else {                       # ... or load next one
1079           &vmovdqa      (@X[4],&QWP(112-16+16*($Xi/5),"esp"));
1080          }
1081           &vpaddd       (@X[3],@X[3],@X[-1&7]);
1082          eval(shift(@insns));           # ror
1083          eval(shift(@insns));
1084
1085         &vpxor  (@X[0],@X[0],@X[2]);            # "X[0]"^="X[-6]"
1086          eval(shift(@insns));           # body_20_39
1087          eval(shift(@insns));
1088          eval(shift(@insns));
1089          eval(shift(@insns));           # rol
1090
1091         &vpsrld (@X[2],@X[0],30);
1092           &vmovdqa      (&QWP(0+16*(($Xi-1)&3),"esp"),@X[3]);   # X[]+K xfer to IALU
1093          eval(shift(@insns));
1094          eval(shift(@insns));
1095          eval(shift(@insns));           # ror
1096          eval(shift(@insns));
1097
1098         &vpslld (@X[0],@X[0],2);
1099          eval(shift(@insns));           # body_20_39
1100          eval(shift(@insns));
1101          eval(shift(@insns));
1102          eval(shift(@insns));           # rol
1103          eval(shift(@insns));
1104          eval(shift(@insns));
1105          eval(shift(@insns));           # ror
1106          eval(shift(@insns));
1107
1108         &vpor   (@X[0],@X[0],@X[2]);    # "X[0]"<<<=2
1109          eval(shift(@insns));           # body_20_39
1110          eval(shift(@insns));
1111           &vmovdqa      (@X[2],&QWP(64+16*(($Xi-6)%3),"esp")) if($Xi<19);       # restore X[] from backtrace buffer
1112          eval(shift(@insns));
1113          eval(shift(@insns));           # rol
1114          eval(shift(@insns));
1115          eval(shift(@insns));
1116          eval(shift(@insns));           # ror
1117          eval(shift(@insns));
1118
1119          foreach (@insns) { eval; }     # remaining instructions
1120
1121   $Xi++;        push(@X,shift(@X));     # "rotate" X[]
1122 }
1123
1124 sub Xuplast_avx_80()
1125 { use integer;
1126   my $body = shift;
1127   my @insns = (&$body,&$body,&$body,&$body);    # 32 instructions
1128   my ($a,$b,$c,$d,$e);
1129
1130          eval(shift(@insns));
1131           &vpaddd       (@X[3],@X[3],@X[-1&7]);
1132          eval(shift(@insns));
1133          eval(shift(@insns));
1134          eval(shift(@insns));
1135          eval(shift(@insns));
1136
1137           &vmovdqa      (&QWP(0+16*(($Xi-1)&3),"esp"),@X[3]);   # X[]+K xfer IALU
1138
1139          foreach (@insns) { eval; }             # remaining instructions
1140
1141         &mov    ($inp=@T[1],&DWP(192+4,"esp"));
1142         &cmp    ($inp,&DWP(192+8,"esp"));
1143         &je     (&label("done"));
1144
1145         &vmovdqa(@X[3],&QWP(112+48,"esp"));     # K_00_19
1146         &vmovdqa(@X[2],&QWP(112+64,"esp"));     # pbswap mask
1147         &vmovdqu(@X[-4&7],&QWP(0,$inp));        # load input
1148         &vmovdqu(@X[-3&7],&QWP(16,$inp));
1149         &vmovdqu(@X[-2&7],&QWP(32,$inp));
1150         &vmovdqu(@X[-1&7],&QWP(48,$inp));
1151         &add    ($inp,64);
1152         &vpshufb(@X[-4&7],@X[-4&7],@X[2]);              # byte swap
1153         &mov    (&DWP(192+4,"esp"),$inp);
1154         &vmovdqa(&QWP(112-16,"esp"),@X[3]);     # borrow last backtrace slot
1155
1156   $Xi=0;
1157 }
1158
1159 sub Xloop_avx()
1160 { use integer;
1161   my $body = shift;
1162   my @insns = (&$body,&$body,&$body,&$body);    # 32 instructions
1163   my ($a,$b,$c,$d,$e);
1164
1165          eval(shift(@insns));
1166          eval(shift(@insns));
1167         &vpshufb        (@X[($Xi-3)&7],@X[($Xi-3)&7],@X[2]);
1168          eval(shift(@insns));
1169          eval(shift(@insns));
1170         &vpaddd (@X[$Xi&7],@X[($Xi-4)&7],@X[3]);
1171          eval(shift(@insns));
1172          eval(shift(@insns));
1173          eval(shift(@insns));
1174          eval(shift(@insns));
1175         &vmovdqa        (&QWP(0+16*$Xi,"esp"),@X[$Xi&7]);       # X[]+K xfer to IALU
1176          eval(shift(@insns));
1177          eval(shift(@insns));
1178
1179         foreach (@insns) { eval; }
1180   $Xi++;
1181 }
1182
1183 sub Xtail_avx()
1184 { use integer;
1185   my $body = shift;
1186   my @insns = (&$body,&$body,&$body,&$body);    # 32 instructions
1187   my ($a,$b,$c,$d,$e);
1188
1189         foreach (@insns) { eval; }
1190 }
1191
1192 &set_label("loop",16);
1193         &Xupdate_avx_16_31(\&body_00_19);
1194         &Xupdate_avx_16_31(\&body_00_19);
1195         &Xupdate_avx_16_31(\&body_00_19);
1196         &Xupdate_avx_16_31(\&body_00_19);
1197         &Xupdate_avx_32_79(\&body_00_19);
1198         &Xupdate_avx_32_79(\&body_20_39);
1199         &Xupdate_avx_32_79(\&body_20_39);
1200         &Xupdate_avx_32_79(\&body_20_39);
1201         &Xupdate_avx_32_79(\&body_20_39);
1202         &Xupdate_avx_32_79(\&body_20_39);
1203         &Xupdate_avx_32_79(\&body_40_59);
1204         &Xupdate_avx_32_79(\&body_40_59);
1205         &Xupdate_avx_32_79(\&body_40_59);
1206         &Xupdate_avx_32_79(\&body_40_59);
1207         &Xupdate_avx_32_79(\&body_40_59);
1208         &Xupdate_avx_32_79(\&body_20_39);
1209         &Xuplast_avx_80(\&body_20_39);  # can jump to "done"
1210
1211                                 $saved_j=$j; @saved_V=@V;
1212
1213         &Xloop_avx(\&body_20_39);
1214         &Xloop_avx(\&body_20_39);
1215         &Xloop_avx(\&body_20_39);
1216
1217         &mov    (@T[1],&DWP(192,"esp"));        # update context
1218         &add    ($A,&DWP(0,@T[1]));
1219         &add    (@T[0],&DWP(4,@T[1]));          # $b
1220         &add    ($C,&DWP(8,@T[1]));
1221         &mov    (&DWP(0,@T[1]),$A);
1222         &add    ($D,&DWP(12,@T[1]));
1223         &mov    (&DWP(4,@T[1]),@T[0]);
1224         &add    ($E,&DWP(16,@T[1]));
1225         &mov    ($B,$C);
1226         &mov    (&DWP(8,@T[1]),$C);
1227         &xor    ($B,$D);
1228         &mov    (&DWP(12,@T[1]),$D);
1229         &and    ($B,@T[0]);
1230         &mov    (&DWP(16,@T[1]),$E);
1231         &xchg   ($B,@T[0]);
1232
1233         &jmp    (&label("loop"));
1234
1235 &set_label("done",16);          $j=$saved_j; @V=@saved_V;
1236
1237         &Xtail_avx(\&body_20_39);
1238         &Xtail_avx(\&body_20_39);
1239         &Xtail_avx(\&body_20_39);
1240
1241         &vzeroall();
1242
1243         &mov    (@T[1],&DWP(192,"esp"));        # update context
1244         &add    ($A,&DWP(0,@T[1]));
1245         &mov    ("esp",&DWP(192+12,"esp"));     # restore %esp
1246         &add    (@T[0],&DWP(4,@T[1]));          # $b
1247         &add    ($C,&DWP(8,@T[1]));
1248         &mov    (&DWP(0,@T[1]),$A);
1249         &add    ($D,&DWP(12,@T[1]));
1250         &mov    (&DWP(4,@T[1]),@T[0]);
1251         &add    ($E,&DWP(16,@T[1]));
1252         &mov    (&DWP(8,@T[1]),$C);
1253         &mov    (&DWP(12,@T[1]),$D);
1254         &mov    (&DWP(16,@T[1]),$E);
1255 &function_end("_sha1_block_data_order_avx");
1256 }
1257 &set_label("K_XX_XX",64);
1258 &data_word(0x5a827999,0x5a827999,0x5a827999,0x5a827999);        # K_00_19
1259 &data_word(0x6ed9eba1,0x6ed9eba1,0x6ed9eba1,0x6ed9eba1);        # K_20_39
1260 &data_word(0x8f1bbcdc,0x8f1bbcdc,0x8f1bbcdc,0x8f1bbcdc);        # K_40_59
1261 &data_word(0xca62c1d6,0xca62c1d6,0xca62c1d6,0xca62c1d6);        # K_60_79
1262 &data_word(0x00010203,0x04050607,0x08090a0b,0x0c0d0e0f);        # pbswap mask
1263 }
1264 &asciz("SHA1 block transform for x86, CRYPTOGAMS by <appro\@openssl.org>");
1265
1266 &asm_finish();