crypto/sha/asm/sha1-586.pl

   1 #!/usr/bin/env perl
   2
   3 # ====================================================================
   4 # [Re]written by Andy Polyakov <appro@fy.chalmers.se> for the OpenSSL
   5 # project. The module is, however, dual licensed under OpenSSL and
   6 # CRYPTOGAMS licenses depending on where you obtain it. For further
   7 # details see http://www.openssl.org/~appro/cryptogams/.
   8 # ====================================================================
   9
  10 # "[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             6.1/+20%        -
  92 # Atom          12.5            9.5(*)/+32%     -
  93 # Westmere      7.3             5.6/+30%        -
  94 # Sandy Bridge  8.8             6.2/+40%        5.1(**)/+70%
  95 # Ivy Bridge    7.2             4.9/+47%        4.8(**)/+50%
  96 # Bulldozer     11.6            6.2/+88%
  97 # VIA Nano      10.6            7.5/+41%
  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                 $1>=2.03);      # first version supporting AVX
 121
 122 &external_label("OPENSSL_ia32cap_P") if ($xmm);
 123
 124
 125 $A="eax";
 126 $B="ebx";
 127 $C="ecx";
 128 $D="edx";
 129 $E="edi";
 130 $T="esi";
 131 $tmp1="ebp";
 132
 133 @V=($A,$B,$C,$D,$E,$T);
 134
 135 $alt=0; # 1 denotes alternative IALU implementation, which performs
 136         # 8% *worse* on P4, same on Westmere and Atom, 2% better on
 137         # Sandy Bridge...
 138
 139 sub BODY_00_15
 140         {
 141         local($n,$a,$b,$c,$d,$e,$f)=@_;
 142
 143         &comment("00_15 $n");
 144
 145         &mov($f,$c);                    # f to hold F_00_19(b,c,d)
 146          if ($n==0)  { &mov($tmp1,$a); }
 147          else        { &mov($a,$tmp1); }
 148         &rotl($tmp1,5);                 # tmp1=ROTATE(a,5)
 149          &xor($f,$d);
 150         &add($tmp1,$e);                 # tmp1+=e;
 151          &mov($e,&swtmp($n%16));        # e becomes volatile and is loaded
 152                                         # with xi, also note that e becomes
 153                                         # f in next round...
 154         &and($f,$b);
 155         &rotr($b,2);                    # b=ROTATE(b,30)
 156          &xor($f,$d);                   # f holds F_00_19(b,c,d)
 157         &lea($tmp1,&DWP(0x5a827999,$tmp1,$e));  # tmp1+=K_00_19+xi
 158
 159         if ($n==15) { &mov($e,&swtmp(($n+1)%16));# pre-fetch f for next round
 160                       &add($f,$tmp1); } # f+=tmp1
 161         else        { &add($tmp1,$f); } # f becomes a in next round
 162         &mov($tmp1,$a)                  if ($alt && $n==15);
 163         }
 164
 165 sub BODY_16_19
 166         {
 167         local($n,$a,$b,$c,$d,$e,$f)=@_;
 168
 169         &comment("16_19 $n");
 170
 171 if ($alt) {
 172         &xor($c,$d);
 173          &xor($f,&swtmp(($n+2)%16));    # f to hold Xupdate(xi,xa,xb,xc,xd)
 174         &and($tmp1,$c);                 # tmp1 to hold F_00_19(b,c,d), b&=c^d
 175          &xor($f,&swtmp(($n+8)%16));
 176         &xor($tmp1,$d);                 # tmp1=F_00_19(b,c,d)
 177          &xor($f,&swtmp(($n+13)%16));   # f holds xa^xb^xc^xd
 178         &rotl($f,1);                    # f=ROTATE(f,1)
 179          &add($e,$tmp1);                # e+=F_00_19(b,c,d)
 180         &xor($c,$d);                    # restore $c
 181          &mov($tmp1,$a);                # b in next round
 182         &rotr($b,$n==16?2:7);           # b=ROTATE(b,30)
 183          &mov(&swtmp($n%16),$f);        # xi=f
 184         &rotl($a,5);                    # ROTATE(a,5)
 185          &lea($f,&DWP(0x5a827999,$f,$e));# f+=F_00_19(b,c,d)+e
 186         &mov($e,&swtmp(($n+1)%16));     # pre-fetch f for next round
 187          &add($f,$a);                   # f+=ROTATE(a,5)
 188 } else {
 189         &mov($tmp1,$c);                 # tmp1 to hold F_00_19(b,c,d)
 190          &xor($f,&swtmp(($n+2)%16));    # f to hold Xupdate(xi,xa,xb,xc,xd)
 191         &xor($tmp1,$d);
 192          &xor($f,&swtmp(($n+8)%16));
 193         &and($tmp1,$b);
 194          &xor($f,&swtmp(($n+13)%16));   # f holds xa^xb^xc^xd
 195         &rotl($f,1);                    # f=ROTATE(f,1)
 196          &xor($tmp1,$d);                # tmp1=F_00_19(b,c,d)
 197         &add($e,$tmp1);                 # e+=F_00_19(b,c,d)
 198          &mov($tmp1,$a);
 199         &rotr($b,2);                    # b=ROTATE(b,30)
 200          &mov(&swtmp($n%16),$f);        # xi=f
 201         &rotl($tmp1,5);                 # ROTATE(a,5)
 202          &lea($f,&DWP(0x5a827999,$f,$e));# f+=F_00_19(b,c,d)+e
 203         &mov($e,&swtmp(($n+1)%16));     # pre-fetch f for next round
 204          &add($f,$tmp1);                # f+=ROTATE(a,5)
 205 }
 206         }
 207
 208 sub BODY_20_39
 209         {
 210         local($n,$a,$b,$c,$d,$e,$f)=@_;
 211         local $K=($n<40)?0x6ed9eba1:0xca62c1d6;
 212
 213         &comment("20_39 $n");
 214
 215 if ($alt) {
 216         &xor($tmp1,$c);                 # tmp1 to hold F_20_39(b,c,d), b^=c
 217          &xor($f,&swtmp(($n+2)%16));    # f to hold Xupdate(xi,xa,xb,xc,xd)
 218         &xor($tmp1,$d);                 # tmp1 holds F_20_39(b,c,d)
 219          &xor($f,&swtmp(($n+8)%16));
 220         &add($e,$tmp1);                 # e+=F_20_39(b,c,d)
 221          &xor($f,&swtmp(($n+13)%16));   # f holds xa^xb^xc^xd
 222         &rotl($f,1);                    # f=ROTATE(f,1)
 223          &mov($tmp1,$a);                # b in next round
 224         &rotr($b,7);                    # b=ROTATE(b,30)
 225          &mov(&swtmp($n%16),$f)         if($n<77);# xi=f
 226         &rotl($a,5);                    # ROTATE(a,5)
 227          &xor($b,$c)                    if($n==39);# warm up for BODY_40_59
 228         &and($tmp1,$b)                  if($n==39);
 229          &lea($f,&DWP($K,$f,$e));       # f+=e+K_XX_YY
 230         &mov($e,&swtmp(($n+1)%16))      if($n<79);# pre-fetch f for next round
 231          &add($f,$a);                   # f+=ROTATE(a,5)
 232         &rotr($a,5)                     if ($n==79);
 233 } else {
 234         &mov($tmp1,$b);                 # tmp1 to hold F_20_39(b,c,d)
 235          &xor($f,&swtmp(($n+2)%16));    # f to hold Xupdate(xi,xa,xb,xc,xd)
 236         &xor($tmp1,$c);
 237          &xor($f,&swtmp(($n+8)%16));
 238         &xor($tmp1,$d);                 # tmp1 holds F_20_39(b,c,d)
 239          &xor($f,&swtmp(($n+13)%16));   # f holds xa^xb^xc^xd
 240         &rotl($f,1);                    # f=ROTATE(f,1)
 241          &add($e,$tmp1);                # e+=F_20_39(b,c,d)
 242         &rotr($b,2);                    # b=ROTATE(b,30)
 243          &mov($tmp1,$a);
 244         &rotl($tmp1,5);                 # ROTATE(a,5)
 245          &mov(&swtmp($n%16),$f) if($n<77);# xi=f
 246         &lea($f,&DWP($K,$f,$e));        # f+=e+K_XX_YY
 247          &mov($e,&swtmp(($n+1)%16)) if($n<79);# pre-fetch f for next round
 248         &add($f,$tmp1);                 # f+=ROTATE(a,5)
 249 }
 250         }
 251
 252 sub BODY_40_59
 253         {
 254         local($n,$a,$b,$c,$d,$e,$f)=@_;
 255
 256         &comment("40_59 $n");
 257
 258 if ($alt) {
 259         &add($e,$tmp1);                 # e+=b&(c^d)
 260          &xor($f,&swtmp(($n+2)%16));    # f to hold Xupdate(xi,xa,xb,xc,xd)
 261         &mov($tmp1,$d);
 262          &xor($f,&swtmp(($n+8)%16));
 263         &xor($c,$d);                    # restore $c
 264          &xor($f,&swtmp(($n+13)%16));   # f holds xa^xb^xc^xd
 265         &rotl($f,1);                    # f=ROTATE(f,1)
 266          &and($tmp1,$c);
 267         &rotr($b,7);                    # b=ROTATE(b,30)
 268          &add($e,$tmp1);                # e+=c&d
 269         &mov($tmp1,$a);                 # b in next round
 270          &mov(&swtmp($n%16),$f);        # xi=f
 271         &rotl($a,5);                    # ROTATE(a,5)
 272          &xor($b,$c)                    if ($n<59);
 273         &and($tmp1,$b)                  if ($n<59);# tmp1 to hold F_40_59(b,c,d)
 274          &lea($f,&DWP(0x8f1bbcdc,$f,$e));# f+=K_40_59+e+(b&(c^d))
 275         &mov($e,&swtmp(($n+1)%16));     # pre-fetch f for next round
 276          &add($f,$a);                   # f+=ROTATE(a,5)
 277 } else {
 278         &mov($tmp1,$c);                 # tmp1 to hold F_40_59(b,c,d)
 279          &xor($f,&swtmp(($n+2)%16));    # f to hold Xupdate(xi,xa,xb,xc,xd)
 280         &xor($tmp1,$d);
 281          &xor($f,&swtmp(($n+8)%16));
 282         &and($tmp1,$b);
 283          &xor($f,&swtmp(($n+13)%16));   # f holds xa^xb^xc^xd
 284         &rotl($f,1);                    # f=ROTATE(f,1)
 285          &add($tmp1,$e);                # b&(c^d)+=e
 286         &rotr($b,2);                    # b=ROTATE(b,30)
 287          &mov($e,$a);                   # e becomes volatile
 288         &rotl($e,5);                    # ROTATE(a,5)
 289          &mov(&swtmp($n%16),$f);        # xi=f
 290         &lea($f,&DWP(0x8f1bbcdc,$f,$tmp1));# f+=K_40_59+e+(b&(c^d))
 291          &mov($tmp1,$c);
 292         &add($f,$e);                    # f+=ROTATE(a,5)
 293          &and($tmp1,$d);
 294         &mov($e,&swtmp(($n+1)%16));     # pre-fetch f for next round
 295          &add($f,$tmp1);                # f+=c&d
 296 }
 297         }
 298
 299 &function_begin("sha1_block_data_order");
 300 if ($xmm) {
 301   &static_label("ssse3_shortcut");
 302   &static_label("avx_shortcut")         if ($ymm);
 303   &static_label("K_XX_XX");
 304
 305         &call   (&label("pic_point"));  # make it PIC!
 306   &set_label("pic_point");
 307         &blindpop($tmp1);
 308         &picmeup($T,"OPENSSL_ia32cap_P",$tmp1,&label("pic_point"));
 309         &lea    ($tmp1,&DWP(&label("K_XX_XX")."-".&label("pic_point"),$tmp1));
 310
 311         &mov    ($A,&DWP(0,$T));
 312         &mov    ($D,&DWP(4,$T));
 313         &test   ($D,1<<9);              # check SSSE3 bit
 314         &jz     (&label("x86"));
 315         &test   ($A,1<<24);             # check FXSR bit
 316         &jz     (&label("x86"));
 317         if ($ymm) {
 318                 &and    ($D,1<<28);             # mask AVX bit
 319                 &and    ($A,1<<30);             # mask "Intel CPU" bit
 320                 &or     ($A,$D);
 321                 &cmp    ($A,1<<28|1<<30);
 322                 &je     (&label("avx_shortcut"));
 323         }
 324         &jmp    (&label("ssse3_shortcut"));
 325   &set_label("x86",16);
 326 }
 327         &mov($tmp1,&wparam(0)); # SHA_CTX *c
 328         &mov($T,&wparam(1));    # const void *input
 329         &mov($A,&wparam(2));    # size_t num
 330         &stack_push(16+3);      # allocate X[16]
 331         &shl($A,6);
 332         &add($A,$T);
 333         &mov(&wparam(2),$A);    # pointer beyond the end of input
 334         &mov($E,&DWP(16,$tmp1));# pre-load E
 335         &jmp(&label("loop"));
 336
 337 &set_label("loop",16);
 338
 339         # copy input chunk to X, but reversing byte order!
 340         for ($i=0; $i<16; $i+=4)
 341                 {
 342                 &mov($A,&DWP(4*($i+0),$T));
 343                 &mov($B,&DWP(4*($i+1),$T));
 344                 &mov($C,&DWP(4*($i+2),$T));
 345                 &mov($D,&DWP(4*($i+3),$T));
 346                 &bswap($A);
 347                 &bswap($B);
 348                 &bswap($C);
 349                 &bswap($D);
 350                 &mov(&swtmp($i+0),$A);
 351                 &mov(&swtmp($i+1),$B);
 352                 &mov(&swtmp($i+2),$C);
 353                 &mov(&swtmp($i+3),$D);
 354                 }
 355         &mov(&wparam(1),$T);    # redundant in 1st spin
 356
 357         &mov($A,&DWP(0,$tmp1)); # load SHA_CTX
 358         &mov($B,&DWP(4,$tmp1));
 359         &mov($C,&DWP(8,$tmp1));
 360         &mov($D,&DWP(12,$tmp1));
 361         # E is pre-loaded
 362
 363         for($i=0;$i<16;$i++)    { &BODY_00_15($i,@V); unshift(@V,pop(@V)); }
 364         for(;$i<20;$i++)        { &BODY_16_19($i,@V); unshift(@V,pop(@V)); }
 365         for(;$i<40;$i++)        { &BODY_20_39($i,@V); unshift(@V,pop(@V)); }
 366         for(;$i<60;$i++)        { &BODY_40_59($i,@V); unshift(@V,pop(@V)); }
 367         for(;$i<80;$i++)        { &BODY_20_39($i,@V); unshift(@V,pop(@V)); }
 368
 369         (($V[5] eq $D) and ($V[0] eq $E)) or die;       # double-check
 370
 371         &mov($tmp1,&wparam(0)); # re-load SHA_CTX*
 372         &mov($D,&wparam(1));    # D is last "T" and is discarded
 373
 374         &add($E,&DWP(0,$tmp1)); # E is last "A"...
 375         &add($T,&DWP(4,$tmp1));
 376         &add($A,&DWP(8,$tmp1));
 377         &add($B,&DWP(12,$tmp1));
 378         &add($C,&DWP(16,$tmp1));
 379
 380         &mov(&DWP(0,$tmp1),$E); # update SHA_CTX
 381          &add($D,64);           # advance input pointer
 382         &mov(&DWP(4,$tmp1),$T);
 383          &cmp($D,&wparam(2));   # have we reached the end yet?
 384         &mov(&DWP(8,$tmp1),$A);
 385          &mov($E,$C);           # C is last "E" which needs to be "pre-loaded"
 386         &mov(&DWP(12,$tmp1),$B);
 387          &mov($T,$D);           # input pointer
 388         &mov(&DWP(16,$tmp1),$C);
 389         &jb(&label("loop"));
 390
 391         &stack_pop(16+3);
 392 &function_end("sha1_block_data_order");
 393
 394 if ($xmm) {
 395 ######################################################################
 396 # The SSSE3 implementation.
 397 #
 398 # %xmm[0-7] are used as ring @X[] buffer containing quadruples of last
 399 # 32 elements of the message schedule or Xupdate outputs. First 4
 400 # quadruples are simply byte-swapped input, next 4 are calculated
 401 # according to method originally suggested by Dean Gaudet (modulo
 402 # being implemented in SSSE3). Once 8 quadruples or 32 elements are
 403 # collected, it switches to routine proposed by Max Locktyukhin.
 404 #
 405 # Calculations inevitably require temporary reqisters, and there are
 406 # no %xmm registers left to spare. For this reason part of the ring
 407 # buffer, X[2..4] to be specific, is offloaded to 3 quadriples ring
 408 # buffer on the stack. Keep in mind that X[2] is alias X[-6], X[3] -
 409 # X[-5], and X[4] - X[-4]...
 410 #
 411 # Another notable optimization is aggressive stack frame compression
 412 # aiming to minimize amount of 9-byte instructions...
 413 #
 414 # Yet another notable optimization is "jumping" $B variable. It means
 415 # that there is no register permanently allocated for $B value. This
 416 # allowed to eliminate one instruction from body_20_39...
 417 #
 418 my $Xi=4;                       # 4xSIMD Xupdate round, start pre-seeded
 419 my @X=map("xmm$_",(4..7,0..3)); # pre-seeded for $Xi=4
 420 my @V=($A,$B,$C,$D,$E);
 421 my $j=0;                        # hash round
 422 my @T=($T,$tmp1);
 423 my $inp;
 424
 425 my $_rol=sub { &rol(@_) };
 426 my $_ror=sub { &ror(@_) };
 427
 428 &function_begin("_sha1_block_data_order_ssse3");
 429         &call   (&label("pic_point"));  # make it PIC!
 430         &set_label("pic_point");
 431         &blindpop($tmp1);
 432         &lea    ($tmp1,&DWP(&label("K_XX_XX")."-".&label("pic_point"),$tmp1));
 433 &set_label("ssse3_shortcut");
 434
 435         &movdqa (@X[3],&QWP(0,$tmp1));          # K_00_19
 436         &movdqa (@X[4],&QWP(16,$tmp1));         # K_20_39
 437         &movdqa (@X[5],&QWP(32,$tmp1));         # K_40_59
 438         &movdqa (@X[6],&QWP(48,$tmp1));         # K_60_79
 439         &movdqa (@X[2],&QWP(64,$tmp1));         # pbswap mask
 440
 441         &mov    ($E,&wparam(0));                # load argument block
 442         &mov    ($inp=@T[1],&wparam(1));
 443         &mov    ($D,&wparam(2));
 444         &mov    (@T[0],"esp");
 445
 446         # stack frame layout
 447         #
 448         # +0    X[0]+K  X[1]+K  X[2]+K  X[3]+K  # XMM->IALU xfer area
 449         #       X[4]+K  X[5]+K  X[6]+K  X[7]+K
 450         #       X[8]+K  X[9]+K  X[10]+K X[11]+K
 451         #       X[12]+K X[13]+K X[14]+K X[15]+K
 452         #
 453         # +64   X[0]    X[1]    X[2]    X[3]    # XMM->XMM backtrace area
 454         #       X[4]    X[5]    X[6]    X[7]
 455         #       X[8]    X[9]    X[10]   X[11]   # even borrowed for K_00_19
 456         #
 457         # +112  K_20_39 K_20_39 K_20_39 K_20_39 # constants
 458         #       K_40_59 K_40_59 K_40_59 K_40_59
 459         #       K_60_79 K_60_79 K_60_79 K_60_79
 460         #       K_00_19 K_00_19 K_00_19 K_00_19
 461         #       pbswap mask
 462         #
 463         # +192  ctx                             # argument block
 464         # +196  inp
 465         # +200  end
 466         # +204  esp
 467         &sub    ("esp",208);
 468         &and    ("esp",-64);
 469
 470         &movdqa (&QWP(112+0,"esp"),@X[4]);      # copy constants
 471         &movdqa (&QWP(112+16,"esp"),@X[5]);
 472         &movdqa (&QWP(112+32,"esp"),@X[6]);
 473         &shl    ($D,6);                         # len*64
 474         &movdqa (&QWP(112+48,"esp"),@X[3]);
 475         &add    ($D,$inp);                      # end of input
 476         &movdqa (&QWP(112+64,"esp"),@X[2]);
 477         &add    ($inp,64);
 478         &mov    (&DWP(192+0,"esp"),$E);         # save argument block
 479         &mov    (&DWP(192+4,"esp"),$inp);
 480         &mov    (&DWP(192+8,"esp"),$D);
 481         &mov    (&DWP(192+12,"esp"),@T[0]);     # save original %esp
 482
 483         &mov    ($A,&DWP(0,$E));                # load context
 484         &mov    ($B,&DWP(4,$E));
 485         &mov    ($C,&DWP(8,$E));
 486         &mov    ($D,&DWP(12,$E));
 487         &mov    ($E,&DWP(16,$E));
 488         &mov    (@T[0],$B);                     # magic seed
 489
 490         &movdqu (@X[-4&7],&QWP(-64,$inp));      # load input to %xmm[0-3]
 491         &movdqu (@X[-3&7],&QWP(-48,$inp));
 492         &movdqu (@X[-2&7],&QWP(-32,$inp));
 493         &movdqu (@X[-1&7],&QWP(-16,$inp));
 494         &pshufb (@X[-4&7],@X[2]);               # byte swap
 495         &pshufb (@X[-3&7],@X[2]);
 496         &pshufb (@X[-2&7],@X[2]);
 497         &movdqa (&QWP(112-16,"esp"),@X[3]);     # borrow last backtrace slot
 498         &pshufb (@X[-1&7],@X[2]);
 499         &paddd  (@X[-4&7],@X[3]);               # add K_00_19
 500         &paddd  (@X[-3&7],@X[3]);
 501         &paddd  (@X[-2&7],@X[3]);
 502         &movdqa (&QWP(0,"esp"),@X[-4&7]);       # X[]+K xfer to IALU
 503         &psubd  (@X[-4&7],@X[3]);               # restore X[]
 504         &movdqa (&QWP(0+16,"esp"),@X[-3&7]);
 505         &psubd  (@X[-3&7],@X[3]);
 506         &movdqa (&QWP(0+32,"esp"),@X[-2&7]);
 507         &psubd  (@X[-2&7],@X[3]);
 508         &movdqa (@X[0],@X[-3&7]);
 509         &jmp    (&label("loop"));
 510
 511 ######################################################################
 512 # SSE instruction sequence is first broken to groups of indepentent
 513 # instructions, independent in respect to their inputs and shifter
 514 # (not all architectures have more than one). Then IALU instructions
 515 # are "knitted in" between the SSE groups. Distance is maintained for
 516 # SSE latency of 2 in hope that it fits better upcoming AMD Bulldozer
 517 # [which allegedly also implements SSSE3]...
 518 #
 519 # Temporary registers usage. X[2] is volatile at the entry and at the
 520 # end is restored from backtrace ring buffer. X[3] is expected to
 521 # contain current K_XX_XX constant and is used to caclulate X[-1]+K
 522 # from previous round, it becomes volatile the moment the value is
 523 # saved to stack for transfer to IALU. X[4] becomes volatile whenever
 524 # X[-4] is accumulated and offloaded to backtrace ring buffer, at the
 525 # end it is loaded with next K_XX_XX [which becomes X[3] in next
 526 # round]...
 527 #
 528 sub Xupdate_ssse3_16_31()               # recall that $Xi starts wtih 4
 529 { use integer;
 530   my $body = shift;
 531   my @insns = (&$body,&$body,&$body,&$body);    # 40 instructions
 532   my ($a,$b,$c,$d,$e);
 533
 534          eval(shift(@insns));
 535          eval(shift(@insns));
 536         &palignr(@X[0],@X[-4&7],8);     # compose "X[-14]" in "X[0]"
 537         &movdqa (@X[2],@X[-1&7]);
 538          eval(shift(@insns));
 539          eval(shift(@insns));
 540
 541           &paddd        (@X[3],@X[-1&7]);
 542           &movdqa       (&QWP(64+16*(($Xi-4)%3),"esp"),@X[-4&7]);# save X[] to backtrace buffer
 543          eval(shift(@insns));
 544          eval(shift(@insns));
 545         &psrldq (@X[2],4);              # "X[-3]", 3 dwords
 546          eval(shift(@insns));
 547          eval(shift(@insns));
 548         &pxor   (@X[0],@X[-4&7]);       # "X[0]"^="X[-16]"
 549          eval(shift(@insns));
 550          eval(shift(@insns));
 551
 552         &pxor   (@X[2],@X[-2&7]);       # "X[-3]"^"X[-8]"
 553          eval(shift(@insns));
 554          eval(shift(@insns));
 555          eval(shift(@insns));
 556          eval(shift(@insns));
 557
 558         &pxor   (@X[0],@X[2]);          # "X[0]"^="X[-3]"^"X[-8]"
 559          eval(shift(@insns));
 560          eval(shift(@insns));
 561           &movdqa       (&QWP(0+16*(($Xi-1)&3),"esp"),@X[3]);   # X[]+K xfer to IALU
 562          eval(shift(@insns));
 563          eval(shift(@insns));
 564
 565         &movdqa (@X[4],@X[0]);
 566         &movdqa (@X[2],@X[0]);
 567          eval(shift(@insns));
 568          eval(shift(@insns));
 569          eval(shift(@insns));
 570          eval(shift(@insns));
 571
 572         &pslldq (@X[4],12);             # "X[0]"<<96, extract one dword
 573         &paddd  (@X[0],@X[0]);
 574          eval(shift(@insns));
 575          eval(shift(@insns));
 576          eval(shift(@insns));
 577          eval(shift(@insns));
 578
 579         &psrld  (@X[2],31);
 580          eval(shift(@insns));
 581          eval(shift(@insns));
 582         &movdqa (@X[3],@X[4]);
 583          eval(shift(@insns));
 584          eval(shift(@insns));
 585
 586         &psrld  (@X[4],30);
 587         &por    (@X[0],@X[2]);          # "X[0]"<<<=1
 588          eval(shift(@insns));
 589          eval(shift(@insns));
 590           &movdqa       (@X[2],&QWP(64+16*(($Xi-6)%3),"esp")) if ($Xi>5);       # restore X[] from backtrace buffer
 591          eval(shift(@insns));
 592          eval(shift(@insns));
 593
 594         &pslld  (@X[3],2);
 595         &pxor   (@X[0],@X[4]);
 596          eval(shift(@insns));
 597          eval(shift(@insns));
 598           &movdqa       (@X[4],&QWP(112-16+16*(($Xi)/5),"esp"));        # K_XX_XX
 599          eval(shift(@insns));
 600          eval(shift(@insns));
 601
 602         &pxor   (@X[0],@X[3]);          # "X[0]"^=("X[0]"<<96)<<<2
 603           &movdqa       (@X[1],@X[-2&7])        if ($Xi<7);
 604          eval(shift(@insns));
 605          eval(shift(@insns));
 606
 607          foreach (@insns) { eval; }     # remaining instructions [if any]
 608
 609   $Xi++;        push(@X,shift(@X));     # "rotate" X[]
 610 }
 611
 612 sub Xupdate_ssse3_32_79()
 613 { use integer;
 614   my $body = shift;
 615   my @insns = (&$body,&$body,&$body,&$body);    # 32 to 48 instructions
 616   my ($a,$b,$c,$d,$e);
 617
 618         &movdqa (@X[2],@X[-1&7])        if ($Xi==8);
 619          eval(shift(@insns));           # body_20_39
 620         &pxor   (@X[0],@X[-4&7]);       # "X[0]"="X[-32]"^"X[-16]"
 621         &palignr(@X[2],@X[-2&7],8);     # compose "X[-6]"
 622          eval(shift(@insns));
 623          eval(shift(@insns));
 624          eval(shift(@insns));           # rol
 625
 626         &pxor   (@X[0],@X[-7&7]);       # "X[0]"^="X[-28]"
 627           &movdqa       (&QWP(64+16*(($Xi-4)%3),"esp"),@X[-4&7]);       # save X[] to backtrace buffer
 628          eval(shift(@insns));
 629          eval(shift(@insns));
 630          if ($Xi%5) {
 631           &movdqa       (@X[4],@X[3]);  # "perpetuate" K_XX_XX...
 632          } else {                       # ... or load next one
 633           &movdqa       (@X[4],&QWP(112-16+16*($Xi/5),"esp"));
 634          }
 635           &paddd        (@X[3],@X[-1&7]);
 636          eval(shift(@insns));           # ror
 637          eval(shift(@insns));
 638
 639         &pxor   (@X[0],@X[2]);          # "X[0]"^="X[-6]"
 640          eval(shift(@insns));           # body_20_39
 641          eval(shift(@insns));
 642          eval(shift(@insns));
 643          eval(shift(@insns));           # rol
 644
 645         &movdqa (@X[2],@X[0]);
 646           &movdqa       (&QWP(0+16*(($Xi-1)&3),"esp"),@X[3]);   # X[]+K xfer to IALU
 647          eval(shift(@insns));
 648          eval(shift(@insns));
 649          eval(shift(@insns));           # ror
 650          eval(shift(@insns));
 651
 652         &pslld  (@X[0],2);
 653          eval(shift(@insns));           # body_20_39
 654          eval(shift(@insns));
 655         &psrld  (@X[2],30);
 656          eval(shift(@insns));
 657          eval(shift(@insns));           # rol
 658          eval(shift(@insns));
 659          eval(shift(@insns));
 660          eval(shift(@insns));           # ror
 661          eval(shift(@insns));
 662
 663         &por    (@X[0],@X[2]);          # "X[0]"<<<=2
 664          eval(shift(@insns));           # body_20_39
 665          eval(shift(@insns));
 666           &movdqa       (@X[2],&QWP(64+16*(($Xi-6)%3),"esp")) if($Xi<19);       # restore X[] from backtrace buffer
 667          eval(shift(@insns));
 668          eval(shift(@insns));           # rol
 669          eval(shift(@insns));
 670          eval(shift(@insns));
 671          eval(shift(@insns));           # ror
 672           &movdqa       (@X[3],@X[0])   if ($Xi<19);
 673          eval(shift(@insns));
 674
 675          foreach (@insns) { eval; }     # remaining instructions
 676
 677   $Xi++;        push(@X,shift(@X));     # "rotate" X[]
 678 }
 679
 680 sub Xuplast_ssse3_80()
 681 { use integer;
 682   my $body = shift;
 683   my @insns = (&$body,&$body,&$body,&$body);    # 32 instructions
 684   my ($a,$b,$c,$d,$e);
 685
 686          eval(shift(@insns));
 687           &paddd        (@X[3],@X[-1&7]);
 688          eval(shift(@insns));
 689          eval(shift(@insns));
 690          eval(shift(@insns));
 691          eval(shift(@insns));
 692
 693           &movdqa       (&QWP(0+16*(($Xi-1)&3),"esp"),@X[3]);   # X[]+K xfer IALU
 694
 695          foreach (@insns) { eval; }             # remaining instructions
 696
 697         &mov    ($inp=@T[1],&DWP(192+4,"esp"));
 698         &cmp    ($inp,&DWP(192+8,"esp"));
 699         &je     (&label("done"));
 700
 701         &movdqa (@X[3],&QWP(112+48,"esp"));     # K_00_19
 702         &movdqa (@X[2],&QWP(112+64,"esp"));     # pbswap mask
 703         &movdqu (@X[-4&7],&QWP(0,$inp));        # load input
 704         &movdqu (@X[-3&7],&QWP(16,$inp));
 705         &movdqu (@X[-2&7],&QWP(32,$inp));
 706         &movdqu (@X[-1&7],&QWP(48,$inp));
 707         &add    ($inp,64);
 708         &pshufb (@X[-4&7],@X[2]);               # byte swap
 709         &mov    (&DWP(192+4,"esp"),$inp);
 710         &movdqa (&QWP(112-16,"esp"),@X[3]);     # borrow last backtrace slot
 711
 712   $Xi=0;
 713 }
 714
 715 sub Xloop_ssse3()
 716 { use integer;
 717   my $body = shift;
 718   my @insns = (&$body,&$body,&$body,&$body);    # 32 instructions
 719   my ($a,$b,$c,$d,$e);
 720
 721          eval(shift(@insns));
 722          eval(shift(@insns));
 723         &pshufb (@X[($Xi-3)&7],@X[2]);
 724          eval(shift(@insns));
 725          eval(shift(@insns));
 726         &paddd  (@X[($Xi-4)&7],@X[3]);
 727          eval(shift(@insns));
 728          eval(shift(@insns));
 729          eval(shift(@insns));
 730          eval(shift(@insns));
 731         &movdqa (&QWP(0+16*$Xi,"esp"),@X[($Xi-4)&7]);   # X[]+K xfer to IALU
 732          eval(shift(@insns));
 733          eval(shift(@insns));
 734         &psubd  (@X[($Xi-4)&7],@X[3]);
 735
 736         foreach (@insns) { eval; }
 737   $Xi++;
 738 }
 739
 740 sub Xtail_ssse3()
 741 { use integer;
 742   my $body = shift;
 743   my @insns = (&$body,&$body,&$body,&$body);    # 32 instructions
 744   my ($a,$b,$c,$d,$e);
 745
 746         foreach (@insns) { eval; }
 747 }
 748
 749 sub body_00_19 () {
 750         (
 751         '($a,$b,$c,$d,$e)=@V;'.
 752         '&add   ($e,&DWP(4*($j&15),"esp"));',   # X[]+K xfer
 753         '&xor   ($c,$d);',
 754         '&mov   (@T[1],$a);',   # $b in next round
 755         '&$_rol ($a,5);',
 756         '&and   (@T[0],$c);',   # ($b&($c^$d))
 757         '&xor   ($c,$d);',      # restore $c
 758         '&xor   (@T[0],$d);',
 759         '&add   ($e,$a);',
 760         '&$_ror ($b,$j?7:2);',  # $b>>>2
 761         '&add   ($e,@T[0]);'    .'$j++; unshift(@V,pop(@V)); unshift(@T,pop(@T));'
 762         );
 763 }
 764
 765 sub body_20_39 () {
 766         (
 767         '($a,$b,$c,$d,$e)=@V;'.
 768         '&add   ($e,&DWP(4*($j++&15),"esp"));', # X[]+K xfer
 769         '&xor   (@T[0],$d);',   # ($b^$d)
 770         '&mov   (@T[1],$a);',   # $b in next round
 771         '&$_rol ($a,5);',
 772         '&xor   (@T[0],$c);',   # ($b^$d^$c)
 773         '&add   ($e,$a);',
 774         '&$_ror ($b,7);',       # $b>>>2
 775         '&add   ($e,@T[0]);'    .'unshift(@V,pop(@V)); unshift(@T,pop(@T));'
 776         );
 777 }
 778
 779 sub body_40_59 () {
 780         (
 781         '($a,$b,$c,$d,$e)=@V;'.
 782         '&mov   (@T[1],$c);',
 783         '&xor   ($c,$d);',
 784         '&add   ($e,&DWP(4*($j++&15),"esp"));', # X[]+K xfer
 785         '&and   (@T[1],$d);',
 786         '&and   (@T[0],$c);',   # ($b&($c^$d))
 787         '&$_ror ($b,7);',       # $b>>>2
 788         '&add   ($e,@T[1]);',
 789         '&mov   (@T[1],$a);',   # $b in next round
 790         '&$_rol ($a,5);',
 791         '&add   ($e,@T[0]);',
 792         '&xor   ($c,$d);',      # restore $c
 793         '&add   ($e,$a);'       .'unshift(@V,pop(@V)); unshift(@T,pop(@T));'
 794         );
 795 }
 796
 797 &set_label("loop",16);
 798         &Xupdate_ssse3_16_31(\&body_00_19);
 799         &Xupdate_ssse3_16_31(\&body_00_19);
 800         &Xupdate_ssse3_16_31(\&body_00_19);
 801         &Xupdate_ssse3_16_31(\&body_00_19);
 802         &Xupdate_ssse3_32_79(\&body_00_19);
 803         &Xupdate_ssse3_32_79(\&body_20_39);
 804         &Xupdate_ssse3_32_79(\&body_20_39);
 805         &Xupdate_ssse3_32_79(\&body_20_39);
 806         &Xupdate_ssse3_32_79(\&body_20_39);
 807         &Xupdate_ssse3_32_79(\&body_20_39);
 808         &Xupdate_ssse3_32_79(\&body_40_59);
 809         &Xupdate_ssse3_32_79(\&body_40_59);
 810         &Xupdate_ssse3_32_79(\&body_40_59);
 811         &Xupdate_ssse3_32_79(\&body_40_59);
 812         &Xupdate_ssse3_32_79(\&body_40_59);
 813         &Xupdate_ssse3_32_79(\&body_20_39);
 814         &Xuplast_ssse3_80(\&body_20_39);        # can jump to "done"
 815
 816                                 $saved_j=$j; @saved_V=@V;
 817
 818         &Xloop_ssse3(\&body_20_39);
 819         &Xloop_ssse3(\&body_20_39);
 820         &Xloop_ssse3(\&body_20_39);
 821
 822         &mov    (@T[1],&DWP(192,"esp"));        # update context
 823         &add    ($A,&DWP(0,@T[1]));
 824         &add    (@T[0],&DWP(4,@T[1]));          # $b
 825         &add    ($C,&DWP(8,@T[1]));
 826         &mov    (&DWP(0,@T[1]),$A);
 827         &add    ($D,&DWP(12,@T[1]));
 828         &mov    (&DWP(4,@T[1]),@T[0]);
 829         &add    ($E,&DWP(16,@T[1]));
 830         &mov    (&DWP(8,@T[1]),$C);
 831         &mov    ($B,@T[0]);
 832         &mov    (&DWP(12,@T[1]),$D);
 833         &mov    (&DWP(16,@T[1]),$E);
 834         &movdqa (@X[0],@X[-3&7]);
 835
 836         &jmp    (&label("loop"));
 837
 838 &set_label("done",16);          $j=$saved_j; @V=@saved_V;
 839
 840         &Xtail_ssse3(\&body_20_39);
 841         &Xtail_ssse3(\&body_20_39);
 842         &Xtail_ssse3(\&body_20_39);
 843
 844         &mov    (@T[1],&DWP(192,"esp"));        # update context
 845         &add    ($A,&DWP(0,@T[1]));
 846         &mov    ("esp",&DWP(192+12,"esp"));     # restore %esp
 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    (&DWP(12,@T[1]),$D);
 855         &mov    (&DWP(16,@T[1]),$E);
 856
 857 &function_end("_sha1_block_data_order_ssse3");
 858
 859 if ($ymm) {
 860 my $Xi=4;                       # 4xSIMD Xupdate round, start pre-seeded
 861 my @X=map("xmm$_",(4..7,0..3)); # pre-seeded for $Xi=4
 862 my @V=($A,$B,$C,$D,$E);
 863 my $j=0;                        # hash round
 864 my @T=($T,$tmp1);
 865 my $inp;
 866
 867 my $_rol=sub { &shld(@_[0],@_) };
 868 my $_ror=sub { &shrd(@_[0],@_) };
 869
 870 &function_begin("_sha1_block_data_order_avx");
 871         &call   (&label("pic_point"));  # make it PIC!
 872         &set_label("pic_point");
 873         &blindpop($tmp1);
 874         &lea    ($tmp1,&DWP(&label("K_XX_XX")."-".&label("pic_point"),$tmp1));
 875 &set_label("avx_shortcut");
 876         &vzeroall();
 877
 878         &vmovdqa(@X[3],&QWP(0,$tmp1));          # K_00_19
 879         &vmovdqa(@X[4],&QWP(16,$tmp1));         # K_20_39
 880         &vmovdqa(@X[5],&QWP(32,$tmp1));         # K_40_59
 881         &vmovdqa(@X[6],&QWP(48,$tmp1));         # K_60_79
 882         &vmovdqa(@X[2],&QWP(64,$tmp1));         # pbswap mask
 883
 884         &mov    ($E,&wparam(0));                # load argument block
 885         &mov    ($inp=@T[1],&wparam(1));
 886         &mov    ($D,&wparam(2));
 887         &mov    (@T[0],"esp");
 888
 889         # stack frame layout
 890         #
 891         # +0    X[0]+K  X[1]+K  X[2]+K  X[3]+K  # XMM->IALU xfer area
 892         #       X[4]+K  X[5]+K  X[6]+K  X[7]+K
 893         #       X[8]+K  X[9]+K  X[10]+K X[11]+K
 894         #       X[12]+K X[13]+K X[14]+K X[15]+K
 895         #
 896         # +64   X[0]    X[1]    X[2]    X[3]    # XMM->XMM backtrace area
 897         #       X[4]    X[5]    X[6]    X[7]
 898         #       X[8]    X[9]    X[10]   X[11]   # even borrowed for K_00_19
 899         #
 900         # +112  K_20_39 K_20_39 K_20_39 K_20_39 # constants
 901         #       K_40_59 K_40_59 K_40_59 K_40_59
 902         #       K_60_79 K_60_79 K_60_79 K_60_79
 903         #       K_00_19 K_00_19 K_00_19 K_00_19
 904         #       pbswap mask
 905         #
 906         # +192  ctx                             # argument block
 907         # +196  inp
 908         # +200  end
 909         # +204  esp
 910         &sub    ("esp",208);
 911         &and    ("esp",-64);
 912
 913         &vmovdqa(&QWP(112+0,"esp"),@X[4]);      # copy constants
 914         &vmovdqa(&QWP(112+16,"esp"),@X[5]);
 915         &vmovdqa(&QWP(112+32,"esp"),@X[6]);
 916         &shl    ($D,6);                         # len*64
 917         &vmovdqa(&QWP(112+48,"esp"),@X[3]);
 918         &add    ($D,$inp);                      # end of input
 919         &vmovdqa(&QWP(112+64,"esp"),@X[2]);
 920         &add    ($inp,64);
 921         &mov    (&DWP(192+0,"esp"),$E);         # save argument block
 922         &mov    (&DWP(192+4,"esp"),$inp);
 923         &mov    (&DWP(192+8,"esp"),$D);
 924         &mov    (&DWP(192+12,"esp"),@T[0]);     # save original %esp
 925
 926         &mov    ($A,&DWP(0,$E));                # load context
 927         &mov    ($B,&DWP(4,$E));
 928         &mov    ($C,&DWP(8,$E));
 929         &mov    ($D,&DWP(12,$E));
 930         &mov    ($E,&DWP(16,$E));
 931         &mov    (@T[0],$B);                     # magic seed
 932
 933         &vmovdqu(@X[-4&7],&QWP(-64,$inp));      # load input to %xmm[0-3]
 934         &vmovdqu(@X[-3&7],&QWP(-48,$inp));
 935         &vmovdqu(@X[-2&7],&QWP(-32,$inp));
 936         &vmovdqu(@X[-1&7],&QWP(-16,$inp));
 937         &vpshufb(@X[-4&7],@X[-4&7],@X[2]);      # byte swap
 938         &vpshufb(@X[-3&7],@X[-3&7],@X[2]);
 939         &vpshufb(@X[-2&7],@X[-2&7],@X[2]);
 940         &vmovdqa(&QWP(112-16,"esp"),@X[3]);     # borrow last backtrace slot
 941         &vpshufb(@X[-1&7],@X[-1&7],@X[2]);
 942         &vpaddd (@X[0],@X[-4&7],@X[3]);         # add K_00_19
 943         &vpaddd (@X[1],@X[-3&7],@X[3]);
 944         &vpaddd (@X[2],@X[-2&7],@X[3]);
 945         &vmovdqa(&QWP(0,"esp"),@X[0]);          # X[]+K xfer to IALU
 946         &vmovdqa(&QWP(0+16,"esp"),@X[1]);
 947         &vmovdqa(&QWP(0+32,"esp"),@X[2]);
 948         &jmp    (&label("loop"));
 949
 950 sub Xupdate_avx_16_31()         # recall that $Xi starts wtih 4
 951 { use integer;
 952   my $body = shift;
 953   my @insns = (&$body,&$body,&$body,&$body);    # 40 instructions
 954   my ($a,$b,$c,$d,$e);
 955
 956          eval(shift(@insns));
 957          eval(shift(@insns));
 958         &vpalignr(@X[0],@X[-3&7],@X[-4&7],8);   # compose "X[-14]" in "X[0]"
 959          eval(shift(@insns));
 960          eval(shift(@insns));
 961
 962           &vpaddd       (@X[3],@X[3],@X[-1&7]);
 963           &vmovdqa      (&QWP(64+16*(($Xi-4)%3),"esp"),@X[-4&7]);# save X[] to backtrace buffer
 964          eval(shift(@insns));
 965          eval(shift(@insns));
 966         &vpsrldq(@X[2],@X[-1&7],4);             # "X[-3]", 3 dwords
 967          eval(shift(@insns));
 968          eval(shift(@insns));
 969         &vpxor  (@X[0],@X[0],@X[-4&7]);         # "X[0]"^="X[-16]"
 970          eval(shift(@insns));
 971          eval(shift(@insns));
 972
 973         &vpxor  (@X[2],@X[2],@X[-2&7]);         # "X[-3]"^"X[-8]"
 974          eval(shift(@insns));
 975          eval(shift(@insns));
 976           &vmovdqa      (&QWP(0+16*(($Xi-1)&3),"esp"),@X[3]);   # X[]+K xfer to IALU
 977          eval(shift(@insns));
 978          eval(shift(@insns));
 979
 980         &vpxor  (@X[0],@X[0],@X[2]);            # "X[0]"^="X[-3]"^"X[-8]"
 981          eval(shift(@insns));
 982          eval(shift(@insns));
 983          eval(shift(@insns));
 984          eval(shift(@insns));
 985
 986         &vpsrld (@X[2],@X[0],31);
 987          eval(shift(@insns));
 988          eval(shift(@insns));
 989          eval(shift(@insns));
 990          eval(shift(@insns));
 991
 992         &vpslldq(@X[4],@X[0],12);               # "X[0]"<<96, extract one dword
 993         &vpaddd (@X[0],@X[0],@X[0]);
 994          eval(shift(@insns));
 995          eval(shift(@insns));
 996          eval(shift(@insns));
 997          eval(shift(@insns));
 998
 999         &vpsrld (@X[3],@X[4],30);
1000         &vpor   (@X[0],@X[0],@X[2]);            # "X[0]"<<<=1
1001          eval(shift(@insns));
1002          eval(shift(@insns));
1003          eval(shift(@insns));
1004          eval(shift(@insns));
1005
1006         &vpslld (@X[4],@X[4],2);
1007           &vmovdqa      (@X[2],&QWP(64+16*(($Xi-6)%3),"esp")) if ($Xi>5);       # restore X[] from backtrace buffer
1008          eval(shift(@insns));
1009          eval(shift(@insns));
1010         &vpxor  (@X[0],@X[0],@X[3]);
1011          eval(shift(@insns));
1012          eval(shift(@insns));
1013          eval(shift(@insns));
1014          eval(shift(@insns));
1015
1016         &vpxor  (@X[0],@X[0],@X[4]);            # "X[0]"^=("X[0]"<<96)<<<2
1017          eval(shift(@insns));
1018          eval(shift(@insns));
1019           &vmovdqa      (@X[4],&QWP(112-16+16*(($Xi)/5),"esp"));        # K_XX_XX
1020          eval(shift(@insns));
1021          eval(shift(@insns));
1022
1023          foreach (@insns) { eval; }     # remaining instructions [if any]
1024
1025   $Xi++;        push(@X,shift(@X));     # "rotate" X[]
1026 }
1027
1028 sub Xupdate_avx_32_79()
1029 { use integer;
1030   my $body = shift;
1031   my @insns = (&$body,&$body,&$body,&$body);    # 32 to 48 instructions
1032   my ($a,$b,$c,$d,$e);
1033
1034         &vpalignr(@X[2],@X[-1&7],@X[-2&7],8);   # compose "X[-6]"
1035         &vpxor  (@X[0],@X[0],@X[-4&7]); # "X[0]"="X[-32]"^"X[-16]"
1036          eval(shift(@insns));           # body_20_39
1037          eval(shift(@insns));
1038          eval(shift(@insns));
1039          eval(shift(@insns));           # rol
1040
1041         &vpxor  (@X[0],@X[0],@X[-7&7]); # "X[0]"^="X[-28]"
1042           &vmovdqa      (&QWP(64+16*(($Xi-4)%3),"esp"),@X[-4&7]);       # save X[] to backtrace buffer
1043          eval(shift(@insns));
1044          eval(shift(@insns));
1045          if ($Xi%5) {
1046           &vmovdqa      (@X[4],@X[3]);  # "perpetuate" K_XX_XX...
1047          } else {                       # ... or load next one
1048           &vmovdqa      (@X[4],&QWP(112-16+16*($Xi/5),"esp"));
1049          }
1050           &vpaddd       (@X[3],@X[3],@X[-1&7]);
1051          eval(shift(@insns));           # ror
1052          eval(shift(@insns));
1053
1054         &vpxor  (@X[0],@X[0],@X[2]);            # "X[0]"^="X[-6]"
1055          eval(shift(@insns));           # body_20_39
1056          eval(shift(@insns));
1057          eval(shift(@insns));
1058          eval(shift(@insns));           # rol
1059
1060         &vpsrld (@X[2],@X[0],30);
1061           &vmovdqa      (&QWP(0+16*(($Xi-1)&3),"esp"),@X[3]);   # X[]+K xfer to IALU
1062          eval(shift(@insns));
1063          eval(shift(@insns));
1064          eval(shift(@insns));           # ror
1065          eval(shift(@insns));
1066
1067         &vpslld (@X[0],@X[0],2);
1068          eval(shift(@insns));           # body_20_39
1069          eval(shift(@insns));
1070          eval(shift(@insns));
1071          eval(shift(@insns));           # rol
1072          eval(shift(@insns));
1073          eval(shift(@insns));
1074          eval(shift(@insns));           # ror
1075          eval(shift(@insns));
1076
1077         &vpor   (@X[0],@X[0],@X[2]);    # "X[0]"<<<=2
1078          eval(shift(@insns));           # body_20_39
1079          eval(shift(@insns));
1080           &vmovdqa      (@X[2],&QWP(64+16*(($Xi-6)%3),"esp")) if($Xi<19);       # restore X[] from backtrace buffer
1081          eval(shift(@insns));
1082          eval(shift(@insns));           # rol
1083          eval(shift(@insns));
1084          eval(shift(@insns));
1085          eval(shift(@insns));           # ror
1086          eval(shift(@insns));
1087
1088          foreach (@insns) { eval; }     # remaining instructions
1089
1090   $Xi++;        push(@X,shift(@X));     # "rotate" X[]
1091 }
1092
1093 sub Xuplast_avx_80()
1094 { use integer;
1095   my $body = shift;
1096   my @insns = (&$body,&$body,&$body,&$body);    # 32 instructions
1097   my ($a,$b,$c,$d,$e);
1098
1099          eval(shift(@insns));
1100           &vpaddd       (@X[3],@X[3],@X[-1&7]);
1101          eval(shift(@insns));
1102          eval(shift(@insns));
1103          eval(shift(@insns));
1104          eval(shift(@insns));
1105
1106           &vmovdqa      (&QWP(0+16*(($Xi-1)&3),"esp"),@X[3]);   # X[]+K xfer IALU
1107
1108          foreach (@insns) { eval; }             # remaining instructions
1109
1110         &mov    ($inp=@T[1],&DWP(192+4,"esp"));
1111         &cmp    ($inp,&DWP(192+8,"esp"));
1112         &je     (&label("done"));
1113
1114         &vmovdqa(@X[3],&QWP(112+48,"esp"));     # K_00_19
1115         &vmovdqa(@X[2],&QWP(112+64,"esp"));     # pbswap mask
1116         &vmovdqu(@X[-4&7],&QWP(0,$inp));        # load input
1117         &vmovdqu(@X[-3&7],&QWP(16,$inp));
1118         &vmovdqu(@X[-2&7],&QWP(32,$inp));
1119         &vmovdqu(@X[-1&7],&QWP(48,$inp));
1120         &add    ($inp,64);
1121         &vpshufb(@X[-4&7],@X[-4&7],@X[2]);              # byte swap
1122         &mov    (&DWP(192+4,"esp"),$inp);
1123         &vmovdqa(&QWP(112-16,"esp"),@X[3]);     # borrow last backtrace slot
1124
1125   $Xi=0;
1126 }
1127
1128 sub Xloop_avx()
1129 { use integer;
1130   my $body = shift;
1131   my @insns = (&$body,&$body,&$body,&$body);    # 32 instructions
1132   my ($a,$b,$c,$d,$e);
1133
1134          eval(shift(@insns));
1135          eval(shift(@insns));
1136         &vpshufb        (@X[($Xi-3)&7],@X[($Xi-3)&7],@X[2]);
1137          eval(shift(@insns));
1138          eval(shift(@insns));
1139         &vpaddd (@X[$Xi&7],@X[($Xi-4)&7],@X[3]);
1140          eval(shift(@insns));
1141          eval(shift(@insns));
1142          eval(shift(@insns));
1143          eval(shift(@insns));
1144         &vmovdqa        (&QWP(0+16*$Xi,"esp"),@X[$Xi&7]);       # X[]+K xfer to IALU
1145          eval(shift(@insns));
1146          eval(shift(@insns));
1147
1148         foreach (@insns) { eval; }
1149   $Xi++;
1150 }
1151
1152 sub Xtail_avx()
1153 { use integer;
1154   my $body = shift;
1155   my @insns = (&$body,&$body,&$body,&$body);    # 32 instructions
1156   my ($a,$b,$c,$d,$e);
1157
1158         foreach (@insns) { eval; }
1159 }
1160
1161 &set_label("loop",16);
1162         &Xupdate_avx_16_31(\&body_00_19);
1163         &Xupdate_avx_16_31(\&body_00_19);
1164         &Xupdate_avx_16_31(\&body_00_19);
1165         &Xupdate_avx_16_31(\&body_00_19);
1166         &Xupdate_avx_32_79(\&body_00_19);
1167         &Xupdate_avx_32_79(\&body_20_39);
1168         &Xupdate_avx_32_79(\&body_20_39);
1169         &Xupdate_avx_32_79(\&body_20_39);
1170         &Xupdate_avx_32_79(\&body_20_39);
1171         &Xupdate_avx_32_79(\&body_20_39);
1172         &Xupdate_avx_32_79(\&body_40_59);
1173         &Xupdate_avx_32_79(\&body_40_59);
1174         &Xupdate_avx_32_79(\&body_40_59);
1175         &Xupdate_avx_32_79(\&body_40_59);
1176         &Xupdate_avx_32_79(\&body_40_59);
1177         &Xupdate_avx_32_79(\&body_20_39);
1178         &Xuplast_avx_80(\&body_20_39);  # can jump to "done"
1179
1180                                 $saved_j=$j; @saved_V=@V;
1181
1182         &Xloop_avx(\&body_20_39);
1183         &Xloop_avx(\&body_20_39);
1184         &Xloop_avx(\&body_20_39);
1185
1186         &mov    (@T[1],&DWP(192,"esp"));        # update context
1187         &add    ($A,&DWP(0,@T[1]));
1188         &add    (@T[0],&DWP(4,@T[1]));          # $b
1189         &add    ($C,&DWP(8,@T[1]));
1190         &mov    (&DWP(0,@T[1]),$A);
1191         &add    ($D,&DWP(12,@T[1]));
1192         &mov    (&DWP(4,@T[1]),@T[0]);
1193         &add    ($E,&DWP(16,@T[1]));
1194         &mov    (&DWP(8,@T[1]),$C);
1195         &mov    ($B,@T[0]);
1196         &mov    (&DWP(12,@T[1]),$D);
1197         &mov    (&DWP(16,@T[1]),$E);
1198
1199         &jmp    (&label("loop"));
1200
1201 &set_label("done",16);          $j=$saved_j; @V=@saved_V;
1202
1203         &Xtail_avx(\&body_20_39);
1204         &Xtail_avx(\&body_20_39);
1205         &Xtail_avx(\&body_20_39);
1206
1207         &vzeroall();
1208
1209         &mov    (@T[1],&DWP(192,"esp"));        # update context
1210         &add    ($A,&DWP(0,@T[1]));
1211         &mov    ("esp",&DWP(192+12,"esp"));     # restore %esp
1212         &add    (@T[0],&DWP(4,@T[1]));          # $b
1213         &add    ($C,&DWP(8,@T[1]));
1214         &mov    (&DWP(0,@T[1]),$A);
1215         &add    ($D,&DWP(12,@T[1]));
1216         &mov    (&DWP(4,@T[1]),@T[0]);
1217         &add    ($E,&DWP(16,@T[1]));
1218         &mov    (&DWP(8,@T[1]),$C);
1219         &mov    (&DWP(12,@T[1]),$D);
1220         &mov    (&DWP(16,@T[1]),$E);
1221 &function_end("_sha1_block_data_order_avx");
1222 }
1223 &set_label("K_XX_XX",64);
1224 &data_word(0x5a827999,0x5a827999,0x5a827999,0x5a827999);        # K_00_19
1225 &data_word(0x6ed9eba1,0x6ed9eba1,0x6ed9eba1,0x6ed9eba1);        # K_20_39
1226 &data_word(0x8f1bbcdc,0x8f1bbcdc,0x8f1bbcdc,0x8f1bbcdc);        # K_40_59
1227 &data_word(0xca62c1d6,0xca62c1d6,0xca62c1d6,0xca62c1d6);        # K_60_79
1228 &data_word(0x00010203,0x04050607,0x08090a0b,0x0c0d0e0f);        # pbswap mask
1229 }
1230 &asciz("SHA1 block transform for x86, CRYPTOGAMS by <appro\@openssl.org>");
1231
1232 &asm_finish();