crypto/sha/asm/sha1-586.pl

   1 #! /usr/bin/env perl
   2 # Copyright 1998-2016 The OpenSSL Project Authors. All Rights Reserved.
   3 #
   4 # Licensed under the OpenSSL license (the "License").  You may not use
   5 # this file except in compliance with the License.  You can obtain a copy
   6 # in the file LICENSE in the source distribution or at
   7 # https://www.openssl.org/source/license.html
   8
   9
  10 # ====================================================================
  11 # [Re]written by Andy Polyakov <appro@openssl.org> for the OpenSSL
  12 # project. The module is, however, dual licensed under OpenSSL and
  13 # CRYPTOGAMS licenses depending on where you obtain it. For further
  14 # details see http://www.openssl.org/~appro/cryptogams/.
  15 # ====================================================================
  16
  17 # "[Re]written" was achieved in two major overhauls. In 2004 BODY_*
  18 # functions were re-implemented to address P4 performance issue [see
  19 # commentary below], and in 2006 the rest was rewritten in order to
  20 # gain freedom to liberate licensing terms.
  21
  22 # January, September 2004.
  23 #
  24 # It was noted that Intel IA-32 C compiler generates code which
  25 # performs ~30% *faster* on P4 CPU than original *hand-coded*
  26 # SHA1 assembler implementation. To address this problem (and
  27 # prove that humans are still better than machines:-), the
  28 # original code was overhauled, which resulted in following
  29 # performance changes:
  30 #
  31 #               compared with original  compared with Intel cc
  32 #               assembler impl.         generated code
  33 # Pentium       -16%                    +48%
  34 # PIII/AMD      +8%                     +16%
  35 # P4            +85%(!)                 +45%
  36 #
  37 # As you can see Pentium came out as looser:-( Yet I reckoned that
  38 # improvement on P4 outweights the loss and incorporate this
  39 # re-tuned code to 0.9.7 and later.
  40 # ----------------------------------------------------------------
  41 #                                       <appro@fy.chalmers.se>
  42
  43 # August 2009.
  44 #
  45 # George Spelvin has tipped that F_40_59(b,c,d) can be rewritten as
  46 # '(c&d) + (b&(c^d))', which allows to accumulate partial results
  47 # and lighten "pressure" on scratch registers. This resulted in
  48 # >12% performance improvement on contemporary AMD cores (with no
  49 # degradation on other CPUs:-). Also, the code was revised to maximize
  50 # "distance" between instructions producing input to 'lea' instruction
  51 # and the 'lea' instruction itself, which is essential for Intel Atom
  52 # core and resulted in ~15% improvement.
  53
  54 # October 2010.
  55 #
  56 # Add SSSE3, Supplemental[!] SSE3, implementation. The idea behind it
  57 # is to offload message schedule denoted by Wt in NIST specification,
  58 # or Xupdate in OpenSSL source, to SIMD unit. The idea is not novel,
  59 # and in SSE2 context was first explored by Dean Gaudet in 2004, see
  60 # http://arctic.org/~dean/crypto/sha1.html. Since then several things
  61 # have changed that made it interesting again:
  62 #
  63 # a) XMM units became faster and wider;
  64 # b) instruction set became more versatile;
  65 # c) an important observation was made by Max Locktykhin, which made
  66 #    it possible to reduce amount of instructions required to perform
  67 #    the operation in question, for further details see
  68 #    http://software.intel.com/en-us/articles/improving-the-performance-of-the-secure-hash-algorithm-1/.
  69
  70 # April 2011.
  71 #
  72 # Add AVX code path, probably most controversial... The thing is that
  73 # switch to AVX alone improves performance by as little as 4% in
  74 # comparison to SSSE3 code path. But below result doesn't look like
  75 # 4% improvement... Trouble is that Sandy Bridge decodes 'ro[rl]' as
  76 # pair of µ-ops, and it's the additional µ-ops, two per round, that
  77 # make it run slower than Core2 and Westmere. But 'sh[rl]d' is decoded
  78 # as single µ-op by Sandy Bridge and it's replacing 'ro[rl]' with
  79 # equivalent 'sh[rl]d' that is responsible for the impressive 5.1
  80 # cycles per processed byte. But 'sh[rl]d' is not something that used
  81 # to be fast, nor does it appear to be fast in upcoming Bulldozer
  82 # [according to its optimization manual]. Which is why AVX code path
  83 # is guarded by *both* AVX and synthetic bit denoting Intel CPUs.
  84 # One can argue that it's unfair to AMD, but without 'sh[rl]d' it
  85 # makes no sense to keep the AVX code path. If somebody feels that
  86 # strongly, it's probably more appropriate to discuss possibility of
  87 # using vector rotate XOP on AMD...
  88
  89 # March 2014.
  90 #
  91 # Add support for Intel SHA Extensions.
  92
  93 ######################################################################
  94 # Current performance is summarized in following table. Numbers are
  95 # CPU clock cycles spent to process single byte (less is better).
  96 #
  97 #               x86             SSSE3           AVX
  98 # Pentium       15.7            -
  99 # PIII          11.5            -
 100 # P4            10.6            -
 101 # AMD K8        7.1             -
 102 # Core2         7.3             6.0/+22%        -
 103 # Westmere      7.3             5.5/+33%        -
 104 # Sandy Bridge  8.8             6.2/+40%        5.1(**)/+73%
 105 # Ivy Bridge    7.2             4.8/+51%        4.7(**)/+53%
 106 # Haswell       6.5             4.3/+51%        4.1(**)/+58%
 107 # Skylake       6.4             4.1/+55%        4.1(**)/+55%
 108 # Bulldozer     11.6            6.0/+92%
 109 # VIA Nano      10.6            7.5/+41%
 110 # Atom          12.5            9.3(*)/+35%
 111 # Silvermont    14.5            9.9(*)/+46%
 112 # Goldmont      8.8             6.7/+30%        1.7(***)/+415%
 113 #
 114 # (*)   Loop is 1056 instructions long and expected result is ~8.25.
 115 #       The discrepancy is because of front-end limitations, so
 116 #       called MS-ROM penalties, and on Silvermont even rotate's
 117 #       limited parallelism.
 118 #
 119 # (**)  As per above comment, the result is for AVX *plus* sh[rl]d.
 120 #
 121 # (***) SHAEXT result
 122
 123 $0 =~ m/(.*[\/\\])[^\/\\]+$/; $dir=$1;
 124 push(@INC,"${dir}","${dir}../../perlasm");
 125 require "x86asm.pl";
 126
 127 $output=pop;
 128 open STDOUT,">$output";
 129
 130 &asm_init($ARGV[0],$ARGV[$#ARGV] eq "386");
 131
 132 $xmm=$ymm=0;
 133 for (@ARGV) { $xmm=1 if (/-DOPENSSL_IA32_SSE2/); }
 134
 135 $ymm=1 if ($xmm &&
 136                 `$ENV{CC} -Wa,-v -c -o /dev/null -x assembler /dev/null 2>&1`
 137                         =~ /GNU assembler version ([2-9]\.[0-9]+)/ &&
 138                 $1>=2.19);      # first version supporting AVX
 139
 140 $ymm=1 if ($xmm && !$ymm && $ARGV[0] eq "win32n" &&
 141                 `nasm -v 2>&1` =~ /NASM version ([2-9]\.[0-9]+)/ &&
 142                 $1>=2.03);      # first version supporting AVX
 143
 144 $ymm=1 if ($xmm && !$ymm && $ARGV[0] eq "win32" &&
 145                 `ml 2>&1` =~ /Version ([0-9]+)\./ &&
 146                 $1>=10);        # first version supporting AVX
 147
 148 $ymm=1 if ($xmm && !$ymm && `$ENV{CC} -v 2>&1` =~ /(^clang version|based on LLVM) ([3-9]\.[0-9]+)/ &&
 149                 $2>=3.0);       # first version supporting AVX
 150
 151 $shaext=$xmm;   ### set to zero if compiling for 1.0.1
 152
 153 &external_label("OPENSSL_ia32cap_P") if ($xmm);
 154
 155
 156 $A="eax";
 157 $B="ebx";
 158 $C="ecx";
 159 $D="edx";
 160 $E="edi";
 161 $T="esi";
 162 $tmp1="ebp";
 163
 164 @V=($A,$B,$C,$D,$E,$T);
 165
 166 $alt=0; # 1 denotes alternative IALU implementation, which performs
 167         # 8% *worse* on P4, same on Westmere and Atom, 2% better on
 168         # Sandy Bridge...
 169
 170 sub BODY_00_15
 171         {
 172         local($n,$a,$b,$c,$d,$e,$f)=@_;
 173
 174         &comment("00_15 $n");
 175
 176         &mov($f,$c);                    # f to hold F_00_19(b,c,d)
 177          if ($n==0)  { &mov($tmp1,$a); }
 178          else        { &mov($a,$tmp1); }
 179         &rotl($tmp1,5);                 # tmp1=ROTATE(a,5)
 180          &xor($f,$d);
 181         &add($tmp1,$e);                 # tmp1+=e;
 182          &mov($e,&swtmp($n%16));        # e becomes volatile and is loaded
 183                                         # with xi, also note that e becomes
 184                                         # f in next round...
 185         &and($f,$b);
 186         &rotr($b,2);                    # b=ROTATE(b,30)
 187          &xor($f,$d);                   # f holds F_00_19(b,c,d)
 188         &lea($tmp1,&DWP(0x5a827999,$tmp1,$e));  # tmp1+=K_00_19+xi
 189
 190         if ($n==15) { &mov($e,&swtmp(($n+1)%16));# pre-fetch f for next round
 191                       &add($f,$tmp1); } # f+=tmp1
 192         else        { &add($tmp1,$f); } # f becomes a in next round
 193         &mov($tmp1,$a)                  if ($alt && $n==15);
 194         }
 195
 196 sub BODY_16_19
 197         {
 198         local($n,$a,$b,$c,$d,$e,$f)=@_;
 199
 200         &comment("16_19 $n");
 201
 202 if ($alt) {
 203         &xor($c,$d);
 204          &xor($f,&swtmp(($n+2)%16));    # f to hold Xupdate(xi,xa,xb,xc,xd)
 205         &and($tmp1,$c);                 # tmp1 to hold F_00_19(b,c,d), b&=c^d
 206          &xor($f,&swtmp(($n+8)%16));
 207         &xor($tmp1,$d);                 # tmp1=F_00_19(b,c,d)
 208          &xor($f,&swtmp(($n+13)%16));   # f holds xa^xb^xc^xd
 209         &rotl($f,1);                    # f=ROTATE(f,1)
 210          &add($e,$tmp1);                # e+=F_00_19(b,c,d)
 211         &xor($c,$d);                    # restore $c
 212          &mov($tmp1,$a);                # b in next round
 213         &rotr($b,$n==16?2:7);           # b=ROTATE(b,30)
 214          &mov(&swtmp($n%16),$f);        # xi=f
 215         &rotl($a,5);                    # ROTATE(a,5)
 216          &lea($f,&DWP(0x5a827999,$f,$e));# f+=F_00_19(b,c,d)+e
 217         &mov($e,&swtmp(($n+1)%16));     # pre-fetch f for next round
 218          &add($f,$a);                   # f+=ROTATE(a,5)
 219 } else {
 220         &mov($tmp1,$c);                 # tmp1 to hold F_00_19(b,c,d)
 221          &xor($f,&swtmp(($n+2)%16));    # f to hold Xupdate(xi,xa,xb,xc,xd)
 222         &xor($tmp1,$d);
 223          &xor($f,&swtmp(($n+8)%16));
 224         &and($tmp1,$b);
 225          &xor($f,&swtmp(($n+13)%16));   # f holds xa^xb^xc^xd
 226         &rotl($f,1);                    # f=ROTATE(f,1)
 227          &xor($tmp1,$d);                # tmp1=F_00_19(b,c,d)
 228         &add($e,$tmp1);                 # e+=F_00_19(b,c,d)
 229          &mov($tmp1,$a);
 230         &rotr($b,2);                    # b=ROTATE(b,30)
 231          &mov(&swtmp($n%16),$f);        # xi=f
 232         &rotl($tmp1,5);                 # ROTATE(a,5)
 233          &lea($f,&DWP(0x5a827999,$f,$e));# f+=F_00_19(b,c,d)+e
 234         &mov($e,&swtmp(($n+1)%16));     # pre-fetch f for next round
 235          &add($f,$tmp1);                # f+=ROTATE(a,5)
 236 }
 237         }
 238
 239 sub BODY_20_39
 240         {
 241         local($n,$a,$b,$c,$d,$e,$f)=@_;
 242         local $K=($n<40)?0x6ed9eba1:0xca62c1d6;
 243
 244         &comment("20_39 $n");
 245
 246 if ($alt) {
 247         &xor($tmp1,$c);                 # tmp1 to hold F_20_39(b,c,d), b^=c
 248          &xor($f,&swtmp(($n+2)%16));    # f to hold Xupdate(xi,xa,xb,xc,xd)
 249         &xor($tmp1,$d);                 # tmp1 holds F_20_39(b,c,d)
 250          &xor($f,&swtmp(($n+8)%16));
 251         &add($e,$tmp1);                 # e+=F_20_39(b,c,d)
 252          &xor($f,&swtmp(($n+13)%16));   # f holds xa^xb^xc^xd
 253         &rotl($f,1);                    # f=ROTATE(f,1)
 254          &mov($tmp1,$a);                # b in next round
 255         &rotr($b,7);                    # b=ROTATE(b,30)
 256          &mov(&swtmp($n%16),$f)         if($n<77);# xi=f
 257         &rotl($a,5);                    # ROTATE(a,5)
 258          &xor($b,$c)                    if($n==39);# warm up for BODY_40_59
 259         &and($tmp1,$b)                  if($n==39);
 260          &lea($f,&DWP($K,$f,$e));       # f+=e+K_XX_YY
 261         &mov($e,&swtmp(($n+1)%16))      if($n<79);# pre-fetch f for next round
 262          &add($f,$a);                   # f+=ROTATE(a,5)
 263         &rotr($a,5)                     if ($n==79);
 264 } else {
 265         &mov($tmp1,$b);                 # tmp1 to hold F_20_39(b,c,d)
 266          &xor($f,&swtmp(($n+2)%16));    # f to hold Xupdate(xi,xa,xb,xc,xd)
 267         &xor($tmp1,$c);
 268          &xor($f,&swtmp(($n+8)%16));
 269         &xor($tmp1,$d);                 # tmp1 holds F_20_39(b,c,d)
 270          &xor($f,&swtmp(($n+13)%16));   # f holds xa^xb^xc^xd
 271         &rotl($f,1);                    # f=ROTATE(f,1)
 272          &add($e,$tmp1);                # e+=F_20_39(b,c,d)
 273         &rotr($b,2);                    # b=ROTATE(b,30)
 274          &mov($tmp1,$a);
 275         &rotl($tmp1,5);                 # ROTATE(a,5)
 276          &mov(&swtmp($n%16),$f) if($n<77);# xi=f
 277         &lea($f,&DWP($K,$f,$e));        # f+=e+K_XX_YY
 278          &mov($e,&swtmp(($n+1)%16)) if($n<79);# pre-fetch f for next round
 279         &add($f,$tmp1);                 # f+=ROTATE(a,5)
 280 }
 281         }
 282
 283 sub BODY_40_59
 284         {
 285         local($n,$a,$b,$c,$d,$e,$f)=@_;
 286
 287         &comment("40_59 $n");
 288
 289 if ($alt) {
 290         &add($e,$tmp1);                 # e+=b&(c^d)
 291          &xor($f,&swtmp(($n+2)%16));    # f to hold Xupdate(xi,xa,xb,xc,xd)
 292         &mov($tmp1,$d);
 293          &xor($f,&swtmp(($n+8)%16));
 294         &xor($c,$d);                    # restore $c
 295          &xor($f,&swtmp(($n+13)%16));   # f holds xa^xb^xc^xd
 296         &rotl($f,1);                    # f=ROTATE(f,1)
 297          &and($tmp1,$c);
 298         &rotr($b,7);                    # b=ROTATE(b,30)
 299          &add($e,$tmp1);                # e+=c&d
 300         &mov($tmp1,$a);                 # b in next round
 301          &mov(&swtmp($n%16),$f);        # xi=f
 302         &rotl($a,5);                    # ROTATE(a,5)
 303          &xor($b,$c)                    if ($n<59);
 304         &and($tmp1,$b)                  if ($n<59);# tmp1 to hold F_40_59(b,c,d)
 305          &lea($f,&DWP(0x8f1bbcdc,$f,$e));# f+=K_40_59+e+(b&(c^d))
 306         &mov($e,&swtmp(($n+1)%16));     # pre-fetch f for next round
 307          &add($f,$a);                   # f+=ROTATE(a,5)
 308 } else {
 309         &mov($tmp1,$c);                 # tmp1 to hold F_40_59(b,c,d)
 310          &xor($f,&swtmp(($n+2)%16));    # f to hold Xupdate(xi,xa,xb,xc,xd)
 311         &xor($tmp1,$d);
 312          &xor($f,&swtmp(($n+8)%16));
 313         &and($tmp1,$b);
 314          &xor($f,&swtmp(($n+13)%16));   # f holds xa^xb^xc^xd
 315         &rotl($f,1);                    # f=ROTATE(f,1)
 316          &add($tmp1,$e);                # b&(c^d)+=e
 317         &rotr($b,2);                    # b=ROTATE(b,30)
 318          &mov($e,$a);                   # e becomes volatile
 319         &rotl($e,5);                    # ROTATE(a,5)
 320          &mov(&swtmp($n%16),$f);        # xi=f
 321         &lea($f,&DWP(0x8f1bbcdc,$f,$tmp1));# f+=K_40_59+e+(b&(c^d))
 322          &mov($tmp1,$c);
 323         &add($f,$e);                    # f+=ROTATE(a,5)
 324          &and($tmp1,$d);
 325         &mov($e,&swtmp(($n+1)%16));     # pre-fetch f for next round
 326          &add($f,$tmp1);                # f+=c&d
 327 }
 328         }
 329
 330 &function_begin("sha1_block_data_order");
 331 if ($xmm) {
 332   &static_label("shaext_shortcut")      if ($shaext);
 333   &static_label("ssse3_shortcut");
 334   &static_label("avx_shortcut")         if ($ymm);
 335   &static_label("K_XX_XX");
 336
 337         &call   (&label("pic_point"));  # make it PIC!
 338   &set_label("pic_point");
 339         &blindpop($tmp1);
 340         &picmeup($T,"OPENSSL_ia32cap_P",$tmp1,&label("pic_point"));
 341         &lea    ($tmp1,&DWP(&label("K_XX_XX")."-".&label("pic_point"),$tmp1));
 342
 343         &mov    ($A,&DWP(0,$T));
 344         &mov    ($D,&DWP(4,$T));
 345         &test   ($D,1<<9);              # check SSSE3 bit
 346         &jz     (&label("x86"));
 347         &mov    ($C,&DWP(8,$T));
 348         &test   ($A,1<<24);             # check FXSR bit
 349         &jz     (&label("x86"));
 350         if ($shaext) {
 351                 &test   ($C,1<<29);             # check SHA bit
 352                 &jnz    (&label("shaext_shortcut"));
 353         }
 354         if ($ymm) {
 355                 &and    ($D,1<<28);             # mask AVX bit
 356                 &and    ($A,1<<30);             # mask "Intel CPU" bit
 357                 &or     ($A,$D);
 358                 &cmp    ($A,1<<28|1<<30);
 359                 &je     (&label("avx_shortcut"));
 360         }
 361         &jmp    (&label("ssse3_shortcut"));
 362   &set_label("x86",16);
 363 }
 364         &mov($tmp1,&wparam(0)); # SHA_CTX *c
 365         &mov($T,&wparam(1));    # const void *input
 366         &mov($A,&wparam(2));    # size_t num
 367         &stack_push(16+3);      # allocate X[16]
 368         &shl($A,6);
 369         &add($A,$T);
 370         &mov(&wparam(2),$A);    # pointer beyond the end of input
 371         &mov($E,&DWP(16,$tmp1));# pre-load E
 372         &jmp(&label("loop"));
 373
 374 &set_label("loop",16);
 375
 376         # copy input chunk to X, but reversing byte order!
 377         for ($i=0; $i<16; $i+=4)
 378                 {
 379                 &mov($A,&DWP(4*($i+0),$T));
 380                 &mov($B,&DWP(4*($i+1),$T));
 381                 &mov($C,&DWP(4*($i+2),$T));
 382                 &mov($D,&DWP(4*($i+3),$T));
 383                 &bswap($A);
 384                 &bswap($B);
 385                 &bswap($C);
 386                 &bswap($D);
 387                 &mov(&swtmp($i+0),$A);
 388                 &mov(&swtmp($i+1),$B);
 389                 &mov(&swtmp($i+2),$C);
 390                 &mov(&swtmp($i+3),$D);
 391                 }
 392         &mov(&wparam(1),$T);    # redundant in 1st spin
 393
 394         &mov($A,&DWP(0,$tmp1)); # load SHA_CTX
 395         &mov($B,&DWP(4,$tmp1));
 396         &mov($C,&DWP(8,$tmp1));
 397         &mov($D,&DWP(12,$tmp1));
 398         # E is pre-loaded
 399
 400         for($i=0;$i<16;$i++)    { &BODY_00_15($i,@V); unshift(@V,pop(@V)); }
 401         for(;$i<20;$i++)        { &BODY_16_19($i,@V); unshift(@V,pop(@V)); }
 402         for(;$i<40;$i++)        { &BODY_20_39($i,@V); unshift(@V,pop(@V)); }
 403         for(;$i<60;$i++)        { &BODY_40_59($i,@V); unshift(@V,pop(@V)); }
 404         for(;$i<80;$i++)        { &BODY_20_39($i,@V); unshift(@V,pop(@V)); }
 405
 406         (($V[5] eq $D) and ($V[0] eq $E)) or die;       # double-check
 407
 408         &mov($tmp1,&wparam(0)); # re-load SHA_CTX*
 409         &mov($D,&wparam(1));    # D is last "T" and is discarded
 410
 411         &add($E,&DWP(0,$tmp1)); # E is last "A"...
 412         &add($T,&DWP(4,$tmp1));
 413         &add($A,&DWP(8,$tmp1));
 414         &add($B,&DWP(12,$tmp1));
 415         &add($C,&DWP(16,$tmp1));
 416
 417         &mov(&DWP(0,$tmp1),$E); # update SHA_CTX
 418          &add($D,64);           # advance input pointer
 419         &mov(&DWP(4,$tmp1),$T);
 420          &cmp($D,&wparam(2));   # have we reached the end yet?
 421         &mov(&DWP(8,$tmp1),$A);
 422          &mov($E,$C);           # C is last "E" which needs to be "pre-loaded"
 423         &mov(&DWP(12,$tmp1),$B);
 424          &mov($T,$D);           # input pointer
 425         &mov(&DWP(16,$tmp1),$C);
 426         &jb(&label("loop"));
 427
 428         &stack_pop(16+3);
 429 &function_end("sha1_block_data_order");
 430
 431 if ($xmm) {
 432 if ($shaext) {
 433 ######################################################################
 434 # Intel SHA Extensions implementation of SHA1 update function.
 435 #
 436 my ($ctx,$inp,$num)=("edi","esi","ecx");
 437 my ($ABCD,$E,$E_,$BSWAP)=map("xmm$_",(0..3));
 438 my @MSG=map("xmm$_",(4..7));
 439
 440 sub sha1rnds4 {
 441  my ($dst,$src,$imm)=@_;
 442     if ("$dst:$src" =~ /xmm([0-7]):xmm([0-7])/)
 443     {   &data_byte(0x0f,0x3a,0xcc,0xc0|($1<<3)|$2,$imm);        }
 444 }
 445 sub sha1op38 {
 446  my ($opcodelet,$dst,$src)=@_;
 447     if ("$dst:$src" =~ /xmm([0-7]):xmm([0-7])/)
 448     {   &data_byte(0x0f,0x38,$opcodelet,0xc0|($1<<3)|$2);       }
 449 }
 450 sub sha1nexte   { sha1op38(0xc8,@_); }
 451 sub sha1msg1    { sha1op38(0xc9,@_); }
 452 sub sha1msg2    { sha1op38(0xca,@_); }
 453
 454 &function_begin("_sha1_block_data_order_shaext");
 455         &call   (&label("pic_point"));  # make it PIC!
 456         &set_label("pic_point");
 457         &blindpop($tmp1);
 458         &lea    ($tmp1,&DWP(&label("K_XX_XX")."-".&label("pic_point"),$tmp1));
 459 &set_label("shaext_shortcut");
 460         &mov    ($ctx,&wparam(0));
 461         &mov    ("ebx","esp");
 462         &mov    ($inp,&wparam(1));
 463         &mov    ($num,&wparam(2));
 464         &sub    ("esp",32);
 465
 466         &movdqu ($ABCD,&QWP(0,$ctx));
 467         &movd   ($E,&DWP(16,$ctx));
 468         &and    ("esp",-32);
 469         &movdqa ($BSWAP,&QWP(0x50,$tmp1));      # byte-n-word swap
 470
 471         &movdqu (@MSG[0],&QWP(0,$inp));
 472         &pshufd ($ABCD,$ABCD,0b00011011);       # flip word order
 473         &movdqu (@MSG[1],&QWP(0x10,$inp));
 474         &pshufd ($E,$E,0b00011011);             # flip word order
 475         &movdqu (@MSG[2],&QWP(0x20,$inp));
 476         &pshufb (@MSG[0],$BSWAP);
 477         &movdqu (@MSG[3],&QWP(0x30,$inp));
 478         &pshufb (@MSG[1],$BSWAP);
 479         &pshufb (@MSG[2],$BSWAP);
 480         &pshufb (@MSG[3],$BSWAP);
 481         &jmp    (&label("loop_shaext"));
 482
 483 &set_label("loop_shaext",16);
 484         &dec            ($num);
 485         &lea            ("eax",&DWP(0x40,$inp));
 486         &movdqa         (&QWP(0,"esp"),$E);     # offload $E
 487         &paddd          ($E,@MSG[0]);
 488         &cmovne         ($inp,"eax");
 489         &movdqa         (&QWP(16,"esp"),$ABCD); # offload $ABCD
 490
 491 for($i=0;$i<20-4;$i+=2) {
 492         &sha1msg1       (@MSG[0],@MSG[1]);
 493         &movdqa         ($E_,$ABCD);
 494         &sha1rnds4      ($ABCD,$E,int($i/5));   # 0-3...
 495         &sha1nexte      ($E_,@MSG[1]);
 496         &pxor           (@MSG[0],@MSG[2]);
 497         &sha1msg1       (@MSG[1],@MSG[2]);
 498         &sha1msg2       (@MSG[0],@MSG[3]);
 499
 500         &movdqa         ($E,$ABCD);
 501         &sha1rnds4      ($ABCD,$E_,int(($i+1)/5));
 502         &sha1nexte      ($E,@MSG[2]);
 503         &pxor           (@MSG[1],@MSG[3]);
 504         &sha1msg2       (@MSG[1],@MSG[0]);
 505
 506         push(@MSG,shift(@MSG)); push(@MSG,shift(@MSG));
 507 }
 508         &movdqu         (@MSG[0],&QWP(0,$inp));
 509         &movdqa         ($E_,$ABCD);
 510         &sha1rnds4      ($ABCD,$E,3);           # 64-67
 511         &sha1nexte      ($E_,@MSG[1]);
 512         &movdqu         (@MSG[1],&QWP(0x10,$inp));
 513         &pshufb         (@MSG[0],$BSWAP);
 514
 515         &movdqa         ($E,$ABCD);
 516         &sha1rnds4      ($ABCD,$E_,3);          # 68-71
 517         &sha1nexte      ($E,@MSG[2]);
 518         &movdqu         (@MSG[2],&QWP(0x20,$inp));
 519         &pshufb         (@MSG[1],$BSWAP);
 520
 521         &movdqa         ($E_,$ABCD);
 522         &sha1rnds4      ($ABCD,$E,3);           # 72-75
 523         &sha1nexte      ($E_,@MSG[3]);
 524         &movdqu         (@MSG[3],&QWP(0x30,$inp));
 525         &pshufb         (@MSG[2],$BSWAP);
 526
 527         &movdqa         ($E,$ABCD);
 528         &sha1rnds4      ($ABCD,$E_,3);          # 76-79
 529         &movdqa         ($E_,&QWP(0,"esp"));
 530         &pshufb         (@MSG[3],$BSWAP);
 531         &sha1nexte      ($E,$E_);
 532         &paddd          ($ABCD,&QWP(16,"esp"));
 533
 534         &jnz            (&label("loop_shaext"));
 535
 536         &pshufd ($ABCD,$ABCD,0b00011011);
 537         &pshufd ($E,$E,0b00011011);
 538         &movdqu (&QWP(0,$ctx),$ABCD)
 539         &movd   (&DWP(16,$ctx),$E);
 540         &mov    ("esp","ebx");
 541 &function_end("_sha1_block_data_order_shaext");
 542 }
 543 ######################################################################
 544 # The SSSE3 implementation.
 545 #
 546 # %xmm[0-7] are used as ring @X[] buffer containing quadruples of last
 547 # 32 elements of the message schedule or Xupdate outputs. First 4
 548 # quadruples are simply byte-swapped input, next 4 are calculated
 549 # according to method originally suggested by Dean Gaudet (modulo
 550 # being implemented in SSSE3). Once 8 quadruples or 32 elements are
 551 # collected, it switches to routine proposed by Max Locktyukhin.
 552 #
 553 # Calculations inevitably require temporary reqisters, and there are
 554 # no %xmm registers left to spare. For this reason part of the ring
 555 # buffer, X[2..4] to be specific, is offloaded to 3 quadriples ring
 556 # buffer on the stack. Keep in mind that X[2] is alias X[-6], X[3] -
 557 # X[-5], and X[4] - X[-4]...
 558 #
 559 # Another notable optimization is aggressive stack frame compression
 560 # aiming to minimize amount of 9-byte instructions...
 561 #
 562 # Yet another notable optimization is "jumping" $B variable. It means
 563 # that there is no register permanently allocated for $B value. This
 564 # allowed to eliminate one instruction from body_20_39...
 565 #
 566 my $Xi=4;                       # 4xSIMD Xupdate round, start pre-seeded
 567 my @X=map("xmm$_",(4..7,0..3)); # pre-seeded for $Xi=4
 568 my @V=($A,$B,$C,$D,$E);
 569 my $j=0;                        # hash round
 570 my $rx=0;
 571 my @T=($T,$tmp1);
 572 my $inp;
 573
 574 my $_rol=sub { &rol(@_) };
 575 my $_ror=sub { &ror(@_) };
 576
 577 &function_begin("_sha1_block_data_order_ssse3");
 578         &call   (&label("pic_point"));  # make it PIC!
 579         &set_label("pic_point");
 580         &blindpop($tmp1);
 581         &lea    ($tmp1,&DWP(&label("K_XX_XX")."-".&label("pic_point"),$tmp1));
 582 &set_label("ssse3_shortcut");
 583
 584         &movdqa (@X[3],&QWP(0,$tmp1));          # K_00_19
 585         &movdqa (@X[4],&QWP(16,$tmp1));         # K_20_39
 586         &movdqa (@X[5],&QWP(32,$tmp1));         # K_40_59
 587         &movdqa (@X[6],&QWP(48,$tmp1));         # K_60_79
 588         &movdqa (@X[2],&QWP(64,$tmp1));         # pbswap mask
 589
 590         &mov    ($E,&wparam(0));                # load argument block
 591         &mov    ($inp=@T[1],&wparam(1));
 592         &mov    ($D,&wparam(2));
 593         &mov    (@T[0],"esp");
 594
 595         # stack frame layout
 596         #
 597         # +0    X[0]+K  X[1]+K  X[2]+K  X[3]+K  # XMM->IALU xfer area
 598         #       X[4]+K  X[5]+K  X[6]+K  X[7]+K
 599         #       X[8]+K  X[9]+K  X[10]+K X[11]+K
 600         #       X[12]+K X[13]+K X[14]+K X[15]+K
 601         #
 602         # +64   X[0]    X[1]    X[2]    X[3]    # XMM->XMM backtrace area
 603         #       X[4]    X[5]    X[6]    X[7]
 604         #       X[8]    X[9]    X[10]   X[11]   # even borrowed for K_00_19
 605         #
 606         # +112  K_20_39 K_20_39 K_20_39 K_20_39 # constants
 607         #       K_40_59 K_40_59 K_40_59 K_40_59
 608         #       K_60_79 K_60_79 K_60_79 K_60_79
 609         #       K_00_19 K_00_19 K_00_19 K_00_19
 610         #       pbswap mask
 611         #
 612         # +192  ctx                             # argument block
 613         # +196  inp
 614         # +200  end
 615         # +204  esp
 616         &sub    ("esp",208);
 617         &and    ("esp",-64);
 618
 619         &movdqa (&QWP(112+0,"esp"),@X[4]);      # copy constants
 620         &movdqa (&QWP(112+16,"esp"),@X[5]);
 621         &movdqa (&QWP(112+32,"esp"),@X[6]);
 622         &shl    ($D,6);                         # len*64
 623         &movdqa (&QWP(112+48,"esp"),@X[3]);
 624         &add    ($D,$inp);                      # end of input
 625         &movdqa (&QWP(112+64,"esp"),@X[2]);
 626         &add    ($inp,64);
 627         &mov    (&DWP(192+0,"esp"),$E);         # save argument block
 628         &mov    (&DWP(192+4,"esp"),$inp);
 629         &mov    (&DWP(192+8,"esp"),$D);
 630         &mov    (&DWP(192+12,"esp"),@T[0]);     # save original %esp
 631
 632         &mov    ($A,&DWP(0,$E));                # load context
 633         &mov    ($B,&DWP(4,$E));
 634         &mov    ($C,&DWP(8,$E));
 635         &mov    ($D,&DWP(12,$E));
 636         &mov    ($E,&DWP(16,$E));
 637         &mov    (@T[0],$B);                     # magic seed
 638
 639         &movdqu (@X[-4&7],&QWP(-64,$inp));      # load input to %xmm[0-3]
 640         &movdqu (@X[-3&7],&QWP(-48,$inp));
 641         &movdqu (@X[-2&7],&QWP(-32,$inp));
 642         &movdqu (@X[-1&7],&QWP(-16,$inp));
 643         &pshufb (@X[-4&7],@X[2]);               # byte swap
 644         &pshufb (@X[-3&7],@X[2]);
 645         &pshufb (@X[-2&7],@X[2]);
 646         &movdqa (&QWP(112-16,"esp"),@X[3]);     # borrow last backtrace slot
 647         &pshufb (@X[-1&7],@X[2]);
 648         &paddd  (@X[-4&7],@X[3]);               # add K_00_19
 649         &paddd  (@X[-3&7],@X[3]);
 650         &paddd  (@X[-2&7],@X[3]);
 651         &movdqa (&QWP(0,"esp"),@X[-4&7]);       # X[]+K xfer to IALU
 652         &psubd  (@X[-4&7],@X[3]);               # restore X[]
 653         &movdqa (&QWP(0+16,"esp"),@X[-3&7]);
 654         &psubd  (@X[-3&7],@X[3]);
 655         &movdqa (&QWP(0+32,"esp"),@X[-2&7]);
 656         &mov    (@T[1],$C);
 657         &psubd  (@X[-2&7],@X[3]);
 658         &xor    (@T[1],$D);
 659         &pshufd (@X[0],@X[-4&7],0xee);          # was &movdqa   (@X[0],@X[-3&7]);
 660         &and    (@T[0],@T[1]);
 661         &jmp    (&label("loop"));
 662
 663 ######################################################################
 664 # SSE instruction sequence is first broken to groups of independent
 665 # instructions, independent in respect to their inputs and shifter
 666 # (not all architectures have more than one). Then IALU instructions
 667 # are "knitted in" between the SSE groups. Distance is maintained for
 668 # SSE latency of 2 in hope that it fits better upcoming AMD Bulldozer
 669 # [which allegedly also implements SSSE3]...
 670 #
 671 # Temporary registers usage. X[2] is volatile at the entry and at the
 672 # end is restored from backtrace ring buffer. X[3] is expected to
 673 # contain current K_XX_XX constant and is used to calculate X[-1]+K
 674 # from previous round, it becomes volatile the moment the value is
 675 # saved to stack for transfer to IALU. X[4] becomes volatile whenever
 676 # X[-4] is accumulated and offloaded to backtrace ring buffer, at the
 677 # end it is loaded with next K_XX_XX [which becomes X[3] in next
 678 # round]...
 679 #
 680 sub Xupdate_ssse3_16_31()               # recall that $Xi starts with 4
 681 { use integer;
 682   my $body = shift;
 683   my @insns = (&$body,&$body,&$body,&$body);    # 40 instructions
 684   my ($a,$b,$c,$d,$e);
 685
 686          eval(shift(@insns));           # ror
 687          eval(shift(@insns));
 688          eval(shift(@insns));
 689         &punpcklqdq(@X[0],@X[-3&7]);    # compose "X[-14]" in "X[0]", was &palignr(@X[0],@X[-4&7],8);
 690         &movdqa (@X[2],@X[-1&7]);
 691          eval(shift(@insns));
 692          eval(shift(@insns));
 693
 694           &paddd        (@X[3],@X[-1&7]);
 695           &movdqa       (&QWP(64+16*(($Xi-4)%3),"esp"),@X[-4&7]);# save X[] to backtrace buffer
 696          eval(shift(@insns));           # rol
 697          eval(shift(@insns));
 698         &psrldq (@X[2],4);              # "X[-3]", 3 dwords
 699          eval(shift(@insns));
 700          eval(shift(@insns));
 701         &pxor   (@X[0],@X[-4&7]);       # "X[0]"^="X[-16]"
 702          eval(shift(@insns));
 703          eval(shift(@insns));           # ror
 704
 705         &pxor   (@X[2],@X[-2&7]);       # "X[-3]"^"X[-8]"
 706          eval(shift(@insns));
 707          eval(shift(@insns));
 708          eval(shift(@insns));
 709
 710         &pxor   (@X[0],@X[2]);          # "X[0]"^="X[-3]"^"X[-8]"
 711          eval(shift(@insns));
 712          eval(shift(@insns));           # rol
 713           &movdqa       (&QWP(0+16*(($Xi-1)&3),"esp"),@X[3]);   # X[]+K xfer to IALU
 714          eval(shift(@insns));
 715          eval(shift(@insns));
 716
 717         &movdqa (@X[4],@X[0]);
 718          eval(shift(@insns));
 719          eval(shift(@insns));
 720          eval(shift(@insns));           # ror
 721         &movdqa (@X[2],@X[0]);
 722          eval(shift(@insns));
 723
 724         &pslldq (@X[4],12);             # "X[0]"<<96, extract one dword
 725         &paddd  (@X[0],@X[0]);
 726          eval(shift(@insns));
 727          eval(shift(@insns));
 728
 729         &psrld  (@X[2],31);
 730          eval(shift(@insns));
 731          eval(shift(@insns));           # rol
 732         &movdqa (@X[3],@X[4]);
 733          eval(shift(@insns));
 734          eval(shift(@insns));
 735          eval(shift(@insns));
 736
 737         &psrld  (@X[4],30);
 738          eval(shift(@insns));
 739          eval(shift(@insns));           # ror
 740         &por    (@X[0],@X[2]);          # "X[0]"<<<=1
 741          eval(shift(@insns));
 742           &movdqa       (@X[2],&QWP(64+16*(($Xi-6)%3),"esp")) if ($Xi>5);       # restore X[] from backtrace buffer
 743          eval(shift(@insns));
 744          eval(shift(@insns));
 745
 746         &pslld  (@X[3],2);
 747          eval(shift(@insns));
 748          eval(shift(@insns));           # rol
 749         &pxor   (@X[0],@X[4]);
 750           &movdqa       (@X[4],&QWP(112-16+16*(($Xi)/5),"esp"));        # K_XX_XX
 751          eval(shift(@insns));
 752          eval(shift(@insns));
 753
 754         &pxor   (@X[0],@X[3]);          # "X[0]"^=("X[0]"<<96)<<<2
 755           &pshufd       (@X[1],@X[-3&7],0xee)   if ($Xi<7);     # was &movdqa   (@X[1],@X[-2&7])
 756           &pshufd       (@X[3],@X[-1&7],0xee)   if ($Xi==7);
 757          eval(shift(@insns));
 758          eval(shift(@insns));
 759
 760          foreach (@insns) { eval; }     # remaining instructions [if any]
 761
 762   $Xi++;        push(@X,shift(@X));     # "rotate" X[]
 763 }
 764
 765 sub Xupdate_ssse3_32_79()
 766 { use integer;
 767   my $body = shift;
 768   my @insns = (&$body,&$body,&$body,&$body);    # 32 to 44 instructions
 769   my ($a,$b,$c,$d,$e);
 770
 771          eval(shift(@insns));           # body_20_39
 772         &pxor   (@X[0],@X[-4&7]);       # "X[0]"="X[-32]"^"X[-16]"
 773         &punpcklqdq(@X[2],@X[-1&7]);    # compose "X[-6]", was &palignr(@X[2],@X[-2&7],8)
 774          eval(shift(@insns));
 775          eval(shift(@insns));
 776          eval(shift(@insns));           # rol
 777
 778         &pxor   (@X[0],@X[-7&7]);       # "X[0]"^="X[-28]"
 779           &movdqa       (&QWP(64+16*(($Xi-4)%3),"esp"),@X[-4&7]);       # save X[] to backtrace buffer
 780          eval(shift(@insns));
 781          eval(shift(@insns));
 782          eval(shift(@insns))            if (@insns[0] =~ /_rol/);
 783          if ($Xi%5) {
 784           &movdqa       (@X[4],@X[3]);  # "perpetuate" K_XX_XX...
 785          } else {                       # ... or load next one
 786           &movdqa       (@X[4],&QWP(112-16+16*($Xi/5),"esp"));
 787          }
 788          eval(shift(@insns));           # ror
 789           &paddd        (@X[3],@X[-1&7]);
 790          eval(shift(@insns));
 791
 792         &pxor   (@X[0],@X[2]);          # "X[0]"^="X[-6]"
 793          eval(shift(@insns));           # body_20_39
 794          eval(shift(@insns));
 795          eval(shift(@insns));
 796          eval(shift(@insns));           # rol
 797
 798         &movdqa (@X[2],@X[0]);
 799           &movdqa       (&QWP(0+16*(($Xi-1)&3),"esp"),@X[3]);   # X[]+K xfer to IALU
 800          eval(shift(@insns));
 801          eval(shift(@insns));
 802          eval(shift(@insns));           # ror
 803          eval(shift(@insns));
 804          eval(shift(@insns))            if (@insns[0] =~ /_rol/);
 805
 806         &pslld  (@X[0],2);
 807          eval(shift(@insns));           # body_20_39
 808          eval(shift(@insns));
 809         &psrld  (@X[2],30);
 810          eval(shift(@insns));
 811          eval(shift(@insns));           # rol
 812          eval(shift(@insns));
 813          eval(shift(@insns));
 814          eval(shift(@insns));           # ror
 815          eval(shift(@insns));
 816          eval(shift(@insns))            if (@insns[1] =~ /_rol/);
 817          eval(shift(@insns))            if (@insns[0] =~ /_rol/);
 818
 819         &por    (@X[0],@X[2]);          # "X[0]"<<<=2
 820          eval(shift(@insns));           # body_20_39
 821          eval(shift(@insns));
 822           &movdqa       (@X[2],&QWP(64+16*(($Xi-6)%3),"esp")) if($Xi<19);       # restore X[] from backtrace buffer
 823          eval(shift(@insns));
 824          eval(shift(@insns));           # rol
 825          eval(shift(@insns));
 826          eval(shift(@insns));
 827          eval(shift(@insns));           # ror
 828           &pshufd       (@X[3],@X[-1],0xee)     if ($Xi<19);    # was &movdqa   (@X[3],@X[0])
 829          eval(shift(@insns));
 830
 831          foreach (@insns) { eval; }     # remaining instructions
 832
 833   $Xi++;        push(@X,shift(@X));     # "rotate" X[]
 834 }
 835
 836 sub Xuplast_ssse3_80()
 837 { use integer;
 838   my $body = shift;
 839   my @insns = (&$body,&$body,&$body,&$body);    # 32 instructions
 840   my ($a,$b,$c,$d,$e);
 841
 842          eval(shift(@insns));
 843          eval(shift(@insns));
 844          eval(shift(@insns));
 845          eval(shift(@insns));
 846          eval(shift(@insns));
 847          eval(shift(@insns));
 848          eval(shift(@insns));
 849           &paddd        (@X[3],@X[-1&7]);
 850          eval(shift(@insns));
 851          eval(shift(@insns));
 852          eval(shift(@insns));
 853          eval(shift(@insns));
 854
 855           &movdqa       (&QWP(0+16*(($Xi-1)&3),"esp"),@X[3]);   # X[]+K xfer IALU
 856
 857          foreach (@insns) { eval; }             # remaining instructions
 858
 859         &mov    ($inp=@T[1],&DWP(192+4,"esp"));
 860         &cmp    ($inp,&DWP(192+8,"esp"));
 861         &je     (&label("done"));
 862
 863         &movdqa (@X[3],&QWP(112+48,"esp"));     # K_00_19
 864         &movdqa (@X[2],&QWP(112+64,"esp"));     # pbswap mask
 865         &movdqu (@X[-4&7],&QWP(0,$inp));        # load input
 866         &movdqu (@X[-3&7],&QWP(16,$inp));
 867         &movdqu (@X[-2&7],&QWP(32,$inp));
 868         &movdqu (@X[-1&7],&QWP(48,$inp));
 869         &add    ($inp,64);
 870         &pshufb (@X[-4&7],@X[2]);               # byte swap
 871         &mov    (&DWP(192+4,"esp"),$inp);
 872         &movdqa (&QWP(112-16,"esp"),@X[3]);     # borrow last backtrace slot
 873
 874   $Xi=0;
 875 }
 876
 877 sub Xloop_ssse3()
 878 { use integer;
 879   my $body = shift;
 880   my @insns = (&$body,&$body,&$body,&$body);    # 32 instructions
 881   my ($a,$b,$c,$d,$e);
 882
 883          eval(shift(@insns));
 884          eval(shift(@insns));
 885          eval(shift(@insns));
 886          eval(shift(@insns));
 887          eval(shift(@insns));
 888          eval(shift(@insns));
 889          eval(shift(@insns));
 890         &pshufb (@X[($Xi-3)&7],@X[2]);
 891          eval(shift(@insns));
 892          eval(shift(@insns));
 893          eval(shift(@insns));
 894          eval(shift(@insns));
 895         &paddd  (@X[($Xi-4)&7],@X[3]);
 896          eval(shift(@insns));
 897          eval(shift(@insns));
 898          eval(shift(@insns));
 899          eval(shift(@insns));
 900         &movdqa (&QWP(0+16*$Xi,"esp"),@X[($Xi-4)&7]);   # X[]+K xfer to IALU
 901          eval(shift(@insns));
 902          eval(shift(@insns));
 903          eval(shift(@insns));
 904          eval(shift(@insns));
 905         &psubd  (@X[($Xi-4)&7],@X[3]);
 906
 907         foreach (@insns) { eval; }
 908   $Xi++;
 909 }
 910
 911 sub Xtail_ssse3()
 912 { use integer;
 913   my $body = shift;
 914   my @insns = (&$body,&$body,&$body,&$body);    # 32 instructions
 915   my ($a,$b,$c,$d,$e);
 916
 917         foreach (@insns) { eval; }
 918 }
 919
 920 sub body_00_19 () {     # ((c^d)&b)^d
 921         # on start @T[0]=(c^d)&b
 922         return &body_20_39()    if ($rx==19);   $rx++;
 923         (
 924         '($a,$b,$c,$d,$e)=@V;'.
 925         '&$_ror ($b,$j?7:2);',  # $b>>>2
 926         '&xor   (@T[0],$d);',
 927         '&mov   (@T[1],$a);',   # $b in next round
 928
 929         '&add   ($e,&DWP(4*($j&15),"esp"));',   # X[]+K xfer
 930         '&xor   ($b,$c);',      # $c^$d for next round
 931
 932         '&$_rol ($a,5);',
 933         '&add   ($e,@T[0]);',
 934         '&and   (@T[1],$b);',   # ($b&($c^$d)) for next round
 935
 936         '&xor   ($b,$c);',      # restore $b
 937         '&add   ($e,$a);'       .'$j++; unshift(@V,pop(@V)); unshift(@T,pop(@T));'
 938         );
 939 }
 940
 941 sub body_20_39 () {     # b^d^c
 942         # on entry @T[0]=b^d
 943         return &body_40_59()    if ($rx==39);   $rx++;
 944         (
 945         '($a,$b,$c,$d,$e)=@V;'.
 946         '&add   ($e,&DWP(4*($j&15),"esp"));',   # X[]+K xfer
 947         '&xor   (@T[0],$d)      if($j==19);'.
 948         '&xor   (@T[0],$c)      if($j> 19);',   # ($b^$d^$c)
 949         '&mov   (@T[1],$a);',   # $b in next round
 950
 951         '&$_rol ($a,5);',
 952         '&add   ($e,@T[0]);',
 953         '&xor   (@T[1],$c)      if ($j< 79);',  # $b^$d for next round
 954
 955         '&$_ror ($b,7);',       # $b>>>2
 956         '&add   ($e,$a);'       .'$j++; unshift(@V,pop(@V)); unshift(@T,pop(@T));'
 957         );
 958 }
 959
 960 sub body_40_59 () {     # ((b^c)&(c^d))^c
 961         # on entry @T[0]=(b^c), (c^=d)
 962         $rx++;
 963         (
 964         '($a,$b,$c,$d,$e)=@V;'.
 965         '&add   ($e,&DWP(4*($j&15),"esp"));',   # X[]+K xfer
 966         '&and   (@T[0],$c)      if ($j>=40);',  # (b^c)&(c^d)
 967         '&xor   ($c,$d)         if ($j>=40);',  # restore $c
 968
 969         '&$_ror ($b,7);',       # $b>>>2
 970         '&mov   (@T[1],$a);',   # $b for next round
 971         '&xor   (@T[0],$c);',
 972
 973         '&$_rol ($a,5);',
 974         '&add   ($e,@T[0]);',
 975         '&xor   (@T[1],$c)      if ($j==59);'.
 976         '&xor   (@T[1],$b)      if ($j< 59);',  # b^c for next round
 977
 978         '&xor   ($b,$c)         if ($j< 59);',  # c^d for next round
 979         '&add   ($e,$a);'       .'$j++; unshift(@V,pop(@V)); unshift(@T,pop(@T));'
 980         );
 981 }
 982 ######
 983 sub bodyx_00_19 () {    # ((c^d)&b)^d
 984         # on start @T[0]=(b&c)^(~b&d), $e+=X[]+K
 985         return &bodyx_20_39()   if ($rx==19);   $rx++;
 986         (
 987         '($a,$b,$c,$d,$e)=@V;'.
 988
 989         '&rorx  ($b,$b,2)                       if ($j==0);'.   # $b>>>2
 990         '&rorx  ($b,@T[1],7)                    if ($j!=0);',   # $b>>>2
 991         '&lea   ($e,&DWP(0,$e,@T[0]));',
 992         '&rorx  (@T[0],$a,5);',
 993
 994         '&andn  (@T[1],$a,$c);',
 995         '&and   ($a,$b)',
 996         '&add   ($d,&DWP(4*(($j+1)&15),"esp"));',       # X[]+K xfer
 997
 998         '&xor   (@T[1],$a)',
 999         '&add   ($e,@T[0]);'    .'$j++; unshift(@V,pop(@V)); unshift(@T,pop(@T));'
1000         );
1001 }
1002
1003 sub bodyx_20_39 () {    # b^d^c
1004         # on start $b=b^c^d
1005         return &bodyx_40_59()   if ($rx==39);   $rx++;
1006         (
1007         '($a,$b,$c,$d,$e)=@V;'.
1008
1009         '&add   ($e,($j==19?@T[0]:$b))',
1010         '&rorx  ($b,@T[1],7);', # $b>>>2
1011         '&rorx  (@T[0],$a,5);',
1012
1013         '&xor   ($a,$b)                         if ($j<79);',
1014         '&add   ($d,&DWP(4*(($j+1)&15),"esp"))  if ($j<79);',   # X[]+K xfer
1015         '&xor   ($a,$c)                         if ($j<79);',
1016         '&add   ($e,@T[0]);'    .'$j++; unshift(@V,pop(@V)); unshift(@T,pop(@T));'
1017         );
1018 }
1019
1020 sub bodyx_40_59 () {    # ((b^c)&(c^d))^c
1021         # on start $b=((b^c)&(c^d))^c
1022         return &bodyx_20_39()   if ($rx==59);   $rx++;
1023         (
1024         '($a,$b,$c,$d,$e)=@V;'.
1025
1026         '&rorx  (@T[0],$a,5)',
1027         '&lea   ($e,&DWP(0,$e,$b))',
1028         '&rorx  ($b,@T[1],7)',  # $b>>>2
1029         '&add   ($d,&DWP(4*(($j+1)&15),"esp"))',        # X[]+K xfer
1030
1031         '&mov   (@T[1],$c)',
1032         '&xor   ($a,$b)',       # b^c for next round
1033         '&xor   (@T[1],$b)',    # c^d for next round
1034
1035         '&and   ($a,@T[1])',
1036         '&add   ($e,@T[0])',
1037         '&xor   ($a,$b)'        .'$j++; unshift(@V,pop(@V)); unshift(@T,pop(@T));'
1038         );
1039 }
1040
1041 &set_label("loop",16);
1042         &Xupdate_ssse3_16_31(\&body_00_19);
1043         &Xupdate_ssse3_16_31(\&body_00_19);
1044         &Xupdate_ssse3_16_31(\&body_00_19);
1045         &Xupdate_ssse3_16_31(\&body_00_19);
1046         &Xupdate_ssse3_32_79(\&body_00_19);
1047         &Xupdate_ssse3_32_79(\&body_20_39);
1048         &Xupdate_ssse3_32_79(\&body_20_39);
1049         &Xupdate_ssse3_32_79(\&body_20_39);
1050         &Xupdate_ssse3_32_79(\&body_20_39);
1051         &Xupdate_ssse3_32_79(\&body_20_39);
1052         &Xupdate_ssse3_32_79(\&body_40_59);
1053         &Xupdate_ssse3_32_79(\&body_40_59);
1054         &Xupdate_ssse3_32_79(\&body_40_59);
1055         &Xupdate_ssse3_32_79(\&body_40_59);
1056         &Xupdate_ssse3_32_79(\&body_40_59);
1057         &Xupdate_ssse3_32_79(\&body_20_39);
1058         &Xuplast_ssse3_80(\&body_20_39);        # can jump to "done"
1059
1060                                 $saved_j=$j; @saved_V=@V;
1061
1062         &Xloop_ssse3(\&body_20_39);
1063         &Xloop_ssse3(\&body_20_39);
1064         &Xloop_ssse3(\&body_20_39);
1065
1066         &mov    (@T[1],&DWP(192,"esp"));        # update context
1067         &add    ($A,&DWP(0,@T[1]));
1068         &add    (@T[0],&DWP(4,@T[1]));          # $b
1069         &add    ($C,&DWP(8,@T[1]));
1070         &mov    (&DWP(0,@T[1]),$A);
1071         &add    ($D,&DWP(12,@T[1]));
1072         &mov    (&DWP(4,@T[1]),@T[0]);
1073         &add    ($E,&DWP(16,@T[1]));
1074         &mov    (&DWP(8,@T[1]),$C);
1075         &mov    ($B,$C);
1076         &mov    (&DWP(12,@T[1]),$D);
1077         &xor    ($B,$D);
1078         &mov    (&DWP(16,@T[1]),$E);
1079         &mov    (@T[1],@T[0]);
1080         &pshufd (@X[0],@X[-4&7],0xee);          # was &movdqa   (@X[0],@X[-3&7]);
1081         &and    (@T[0],$B);
1082         &mov    ($B,$T[1]);
1083
1084         &jmp    (&label("loop"));
1085
1086 &set_label("done",16);          $j=$saved_j; @V=@saved_V;
1087
1088         &Xtail_ssse3(\&body_20_39);
1089         &Xtail_ssse3(\&body_20_39);
1090         &Xtail_ssse3(\&body_20_39);
1091
1092         &mov    (@T[1],&DWP(192,"esp"));        # update context
1093         &add    ($A,&DWP(0,@T[1]));
1094         &mov    ("esp",&DWP(192+12,"esp"));     # restore %esp
1095         &add    (@T[0],&DWP(4,@T[1]));          # $b
1096         &add    ($C,&DWP(8,@T[1]));
1097         &mov    (&DWP(0,@T[1]),$A);
1098         &add    ($D,&DWP(12,@T[1]));
1099         &mov    (&DWP(4,@T[1]),@T[0]);
1100         &add    ($E,&DWP(16,@T[1]));
1101         &mov    (&DWP(8,@T[1]),$C);
1102         &mov    (&DWP(12,@T[1]),$D);
1103         &mov    (&DWP(16,@T[1]),$E);
1104
1105 &function_end("_sha1_block_data_order_ssse3");
1106
1107 $rx=0;  # reset
1108
1109 if ($ymm) {
1110 my $Xi=4;                       # 4xSIMD Xupdate round, start pre-seeded
1111 my @X=map("xmm$_",(4..7,0..3)); # pre-seeded for $Xi=4
1112 my @V=($A,$B,$C,$D,$E);
1113 my $j=0;                        # hash round
1114 my @T=($T,$tmp1);
1115 my $inp;
1116
1117 my $_rol=sub { &shld(@_[0],@_) };
1118 my $_ror=sub { &shrd(@_[0],@_) };
1119
1120 &function_begin("_sha1_block_data_order_avx");
1121         &call   (&label("pic_point"));  # make it PIC!
1122         &set_label("pic_point");
1123         &blindpop($tmp1);
1124         &lea    ($tmp1,&DWP(&label("K_XX_XX")."-".&label("pic_point"),$tmp1));
1125 &set_label("avx_shortcut");
1126         &vzeroall();
1127
1128         &vmovdqa(@X[3],&QWP(0,$tmp1));          # K_00_19
1129         &vmovdqa(@X[4],&QWP(16,$tmp1));         # K_20_39
1130         &vmovdqa(@X[5],&QWP(32,$tmp1));         # K_40_59
1131         &vmovdqa(@X[6],&QWP(48,$tmp1));         # K_60_79
1132         &vmovdqa(@X[2],&QWP(64,$tmp1));         # pbswap mask
1133
1134         &mov    ($E,&wparam(0));                # load argument block
1135         &mov    ($inp=@T[1],&wparam(1));
1136         &mov    ($D,&wparam(2));
1137         &mov    (@T[0],"esp");
1138
1139         # stack frame layout
1140         #
1141         # +0    X[0]+K  X[1]+K  X[2]+K  X[3]+K  # XMM->IALU xfer area
1142         #       X[4]+K  X[5]+K  X[6]+K  X[7]+K
1143         #       X[8]+K  X[9]+K  X[10]+K X[11]+K
1144         #       X[12]+K X[13]+K X[14]+K X[15]+K
1145         #
1146         # +64   X[0]    X[1]    X[2]    X[3]    # XMM->XMM backtrace area
1147         #       X[4]    X[5]    X[6]    X[7]
1148         #       X[8]    X[9]    X[10]   X[11]   # even borrowed for K_00_19
1149         #
1150         # +112  K_20_39 K_20_39 K_20_39 K_20_39 # constants
1151         #       K_40_59 K_40_59 K_40_59 K_40_59
1152         #       K_60_79 K_60_79 K_60_79 K_60_79
1153         #       K_00_19 K_00_19 K_00_19 K_00_19
1154         #       pbswap mask
1155         #
1156         # +192  ctx                             # argument block
1157         # +196  inp
1158         # +200  end
1159         # +204  esp
1160         &sub    ("esp",208);
1161         &and    ("esp",-64);
1162
1163         &vmovdqa(&QWP(112+0,"esp"),@X[4]);      # copy constants
1164         &vmovdqa(&QWP(112+16,"esp"),@X[5]);
1165         &vmovdqa(&QWP(112+32,"esp"),@X[6]);
1166         &shl    ($D,6);                         # len*64
1167         &vmovdqa(&QWP(112+48,"esp"),@X[3]);
1168         &add    ($D,$inp);                      # end of input
1169         &vmovdqa(&QWP(112+64,"esp"),@X[2]);
1170         &add    ($inp,64);
1171         &mov    (&DWP(192+0,"esp"),$E);         # save argument block
1172         &mov    (&DWP(192+4,"esp"),$inp);
1173         &mov    (&DWP(192+8,"esp"),$D);
1174         &mov    (&DWP(192+12,"esp"),@T[0]);     # save original %esp
1175
1176         &mov    ($A,&DWP(0,$E));                # load context
1177         &mov    ($B,&DWP(4,$E));
1178         &mov    ($C,&DWP(8,$E));
1179         &mov    ($D,&DWP(12,$E));
1180         &mov    ($E,&DWP(16,$E));
1181         &mov    (@T[0],$B);                     # magic seed
1182
1183         &vmovdqu(@X[-4&7],&QWP(-64,$inp));      # load input to %xmm[0-3]
1184         &vmovdqu(@X[-3&7],&QWP(-48,$inp));
1185         &vmovdqu(@X[-2&7],&QWP(-32,$inp));
1186         &vmovdqu(@X[-1&7],&QWP(-16,$inp));
1187         &vpshufb(@X[-4&7],@X[-4&7],@X[2]);      # byte swap
1188         &vpshufb(@X[-3&7],@X[-3&7],@X[2]);
1189         &vpshufb(@X[-2&7],@X[-2&7],@X[2]);
1190         &vmovdqa(&QWP(112-16,"esp"),@X[3]);     # borrow last backtrace slot
1191         &vpshufb(@X[-1&7],@X[-1&7],@X[2]);
1192         &vpaddd (@X[0],@X[-4&7],@X[3]);         # add K_00_19
1193         &vpaddd (@X[1],@X[-3&7],@X[3]);
1194         &vpaddd (@X[2],@X[-2&7],@X[3]);
1195         &vmovdqa(&QWP(0,"esp"),@X[0]);          # X[]+K xfer to IALU
1196         &mov    (@T[1],$C);
1197         &vmovdqa(&QWP(0+16,"esp"),@X[1]);
1198         &xor    (@T[1],$D);
1199         &vmovdqa(&QWP(0+32,"esp"),@X[2]);
1200         &and    (@T[0],@T[1]);
1201         &jmp    (&label("loop"));
1202
1203 sub Xupdate_avx_16_31()         # recall that $Xi starts with 4
1204 { use integer;
1205   my $body = shift;
1206   my @insns = (&$body,&$body,&$body,&$body);    # 40 instructions
1207   my ($a,$b,$c,$d,$e);
1208
1209          eval(shift(@insns));
1210          eval(shift(@insns));
1211         &vpalignr(@X[0],@X[-3&7],@X[-4&7],8);   # compose "X[-14]" in "X[0]"
1212          eval(shift(@insns));
1213          eval(shift(@insns));
1214
1215           &vpaddd       (@X[3],@X[3],@X[-1&7]);
1216           &vmovdqa      (&QWP(64+16*(($Xi-4)%3),"esp"),@X[-4&7]);# save X[] to backtrace buffer
1217          eval(shift(@insns));
1218          eval(shift(@insns));
1219         &vpsrldq(@X[2],@X[-1&7],4);             # "X[-3]", 3 dwords
1220          eval(shift(@insns));
1221          eval(shift(@insns));
1222         &vpxor  (@X[0],@X[0],@X[-4&7]);         # "X[0]"^="X[-16]"
1223          eval(shift(@insns));
1224          eval(shift(@insns));
1225
1226         &vpxor  (@X[2],@X[2],@X[-2&7]);         # "X[-3]"^"X[-8]"
1227          eval(shift(@insns));
1228          eval(shift(@insns));
1229           &vmovdqa      (&QWP(0+16*(($Xi-1)&3),"esp"),@X[3]);   # X[]+K xfer to IALU
1230          eval(shift(@insns));
1231          eval(shift(@insns));
1232
1233         &vpxor  (@X[0],@X[0],@X[2]);            # "X[0]"^="X[-3]"^"X[-8]"
1234          eval(shift(@insns));
1235          eval(shift(@insns));
1236          eval(shift(@insns));
1237          eval(shift(@insns));
1238
1239         &vpsrld (@X[2],@X[0],31);
1240          eval(shift(@insns));
1241          eval(shift(@insns));
1242          eval(shift(@insns));
1243          eval(shift(@insns));
1244
1245         &vpslldq(@X[4],@X[0],12);               # "X[0]"<<96, extract one dword
1246         &vpaddd (@X[0],@X[0],@X[0]);
1247          eval(shift(@insns));
1248          eval(shift(@insns));
1249          eval(shift(@insns));
1250          eval(shift(@insns));
1251
1252         &vpsrld (@X[3],@X[4],30);
1253         &vpor   (@X[0],@X[0],@X[2]);            # "X[0]"<<<=1
1254          eval(shift(@insns));
1255          eval(shift(@insns));
1256          eval(shift(@insns));
1257          eval(shift(@insns));
1258
1259         &vpslld (@X[4],@X[4],2);
1260           &vmovdqa      (@X[2],&QWP(64+16*(($Xi-6)%3),"esp")) if ($Xi>5);       # restore X[] from backtrace buffer
1261          eval(shift(@insns));
1262          eval(shift(@insns));
1263         &vpxor  (@X[0],@X[0],@X[3]);
1264          eval(shift(@insns));
1265          eval(shift(@insns));
1266          eval(shift(@insns));
1267          eval(shift(@insns));
1268
1269         &vpxor  (@X[0],@X[0],@X[4]);            # "X[0]"^=("X[0]"<<96)<<<2
1270          eval(shift(@insns));
1271          eval(shift(@insns));
1272           &vmovdqa      (@X[4],&QWP(112-16+16*(($Xi)/5),"esp"));        # K_XX_XX
1273          eval(shift(@insns));
1274          eval(shift(@insns));
1275
1276          foreach (@insns) { eval; }     # remaining instructions [if any]
1277
1278   $Xi++;        push(@X,shift(@X));     # "rotate" X[]
1279 }
1280
1281 sub Xupdate_avx_32_79()
1282 { use integer;
1283   my $body = shift;
1284   my @insns = (&$body,&$body,&$body,&$body);    # 32 to 44 instructions
1285   my ($a,$b,$c,$d,$e);
1286
1287         &vpalignr(@X[2],@X[-1&7],@X[-2&7],8);   # compose "X[-6]"
1288         &vpxor  (@X[0],@X[0],@X[-4&7]); # "X[0]"="X[-32]"^"X[-16]"
1289          eval(shift(@insns));           # body_20_39
1290          eval(shift(@insns));
1291          eval(shift(@insns));
1292          eval(shift(@insns));           # rol
1293
1294         &vpxor  (@X[0],@X[0],@X[-7&7]); # "X[0]"^="X[-28]"
1295           &vmovdqa      (&QWP(64+16*(($Xi-4)%3),"esp"),@X[-4&7]);       # save X[] to backtrace buffer
1296          eval(shift(@insns));
1297          eval(shift(@insns));
1298          if ($Xi%5) {
1299           &vmovdqa      (@X[4],@X[3]);  # "perpetuate" K_XX_XX...
1300          } else {                       # ... or load next one
1301           &vmovdqa      (@X[4],&QWP(112-16+16*($Xi/5),"esp"));
1302          }
1303           &vpaddd       (@X[3],@X[3],@X[-1&7]);
1304          eval(shift(@insns));           # ror
1305          eval(shift(@insns));
1306
1307         &vpxor  (@X[0],@X[0],@X[2]);            # "X[0]"^="X[-6]"
1308          eval(shift(@insns));           # body_20_39
1309          eval(shift(@insns));
1310          eval(shift(@insns));
1311          eval(shift(@insns));           # rol
1312
1313         &vpsrld (@X[2],@X[0],30);
1314           &vmovdqa      (&QWP(0+16*(($Xi-1)&3),"esp"),@X[3]);   # X[]+K xfer to IALU
1315          eval(shift(@insns));
1316          eval(shift(@insns));
1317          eval(shift(@insns));           # ror
1318          eval(shift(@insns));
1319
1320         &vpslld (@X[0],@X[0],2);
1321          eval(shift(@insns));           # body_20_39
1322          eval(shift(@insns));
1323          eval(shift(@insns));
1324          eval(shift(@insns));           # rol
1325          eval(shift(@insns));
1326          eval(shift(@insns));
1327          eval(shift(@insns));           # ror
1328          eval(shift(@insns));
1329
1330         &vpor   (@X[0],@X[0],@X[2]);    # "X[0]"<<<=2
1331          eval(shift(@insns));           # body_20_39
1332          eval(shift(@insns));
1333           &vmovdqa      (@X[2],&QWP(64+16*(($Xi-6)%3),"esp")) if($Xi<19);       # restore X[] from backtrace buffer
1334          eval(shift(@insns));
1335          eval(shift(@insns));           # rol
1336          eval(shift(@insns));
1337          eval(shift(@insns));
1338          eval(shift(@insns));           # ror
1339          eval(shift(@insns));
1340
1341          foreach (@insns) { eval; }     # remaining instructions
1342
1343   $Xi++;        push(@X,shift(@X));     # "rotate" X[]
1344 }
1345
1346 sub Xuplast_avx_80()
1347 { use integer;
1348   my $body = shift;
1349   my @insns = (&$body,&$body,&$body,&$body);    # 32 instructions
1350   my ($a,$b,$c,$d,$e);
1351
1352          eval(shift(@insns));
1353           &vpaddd       (@X[3],@X[3],@X[-1&7]);
1354          eval(shift(@insns));
1355          eval(shift(@insns));
1356          eval(shift(@insns));
1357          eval(shift(@insns));
1358
1359           &vmovdqa      (&QWP(0+16*(($Xi-1)&3),"esp"),@X[3]);   # X[]+K xfer IALU
1360
1361          foreach (@insns) { eval; }             # remaining instructions
1362
1363         &mov    ($inp=@T[1],&DWP(192+4,"esp"));
1364         &cmp    ($inp,&DWP(192+8,"esp"));
1365         &je     (&label("done"));
1366
1367         &vmovdqa(@X[3],&QWP(112+48,"esp"));     # K_00_19
1368         &vmovdqa(@X[2],&QWP(112+64,"esp"));     # pbswap mask
1369         &vmovdqu(@X[-4&7],&QWP(0,$inp));        # load input
1370         &vmovdqu(@X[-3&7],&QWP(16,$inp));
1371         &vmovdqu(@X[-2&7],&QWP(32,$inp));
1372         &vmovdqu(@X[-1&7],&QWP(48,$inp));
1373         &add    ($inp,64);
1374         &vpshufb(@X[-4&7],@X[-4&7],@X[2]);              # byte swap
1375         &mov    (&DWP(192+4,"esp"),$inp);
1376         &vmovdqa(&QWP(112-16,"esp"),@X[3]);     # borrow last backtrace slot
1377
1378   $Xi=0;
1379 }
1380
1381 sub Xloop_avx()
1382 { use integer;
1383   my $body = shift;
1384   my @insns = (&$body,&$body,&$body,&$body);    # 32 instructions
1385   my ($a,$b,$c,$d,$e);
1386
1387          eval(shift(@insns));
1388          eval(shift(@insns));
1389         &vpshufb        (@X[($Xi-3)&7],@X[($Xi-3)&7],@X[2]);
1390          eval(shift(@insns));
1391          eval(shift(@insns));
1392         &vpaddd (@X[$Xi&7],@X[($Xi-4)&7],@X[3]);
1393          eval(shift(@insns));
1394          eval(shift(@insns));
1395          eval(shift(@insns));
1396          eval(shift(@insns));
1397         &vmovdqa        (&QWP(0+16*$Xi,"esp"),@X[$Xi&7]);       # X[]+K xfer to IALU
1398          eval(shift(@insns));
1399          eval(shift(@insns));
1400
1401         foreach (@insns) { eval; }
1402   $Xi++;
1403 }
1404
1405 sub Xtail_avx()
1406 { use integer;
1407   my $body = shift;
1408   my @insns = (&$body,&$body,&$body,&$body);    # 32 instructions
1409   my ($a,$b,$c,$d,$e);
1410
1411         foreach (@insns) { eval; }
1412 }
1413
1414 &set_label("loop",16);
1415         &Xupdate_avx_16_31(\&body_00_19);
1416         &Xupdate_avx_16_31(\&body_00_19);
1417         &Xupdate_avx_16_31(\&body_00_19);
1418         &Xupdate_avx_16_31(\&body_00_19);
1419         &Xupdate_avx_32_79(\&body_00_19);
1420         &Xupdate_avx_32_79(\&body_20_39);
1421         &Xupdate_avx_32_79(\&body_20_39);
1422         &Xupdate_avx_32_79(\&body_20_39);
1423         &Xupdate_avx_32_79(\&body_20_39);
1424         &Xupdate_avx_32_79(\&body_20_39);
1425         &Xupdate_avx_32_79(\&body_40_59);
1426         &Xupdate_avx_32_79(\&body_40_59);
1427         &Xupdate_avx_32_79(\&body_40_59);
1428         &Xupdate_avx_32_79(\&body_40_59);
1429         &Xupdate_avx_32_79(\&body_40_59);
1430         &Xupdate_avx_32_79(\&body_20_39);
1431         &Xuplast_avx_80(\&body_20_39);  # can jump to "done"
1432
1433                                 $saved_j=$j; @saved_V=@V;
1434
1435         &Xloop_avx(\&body_20_39);
1436         &Xloop_avx(\&body_20_39);
1437         &Xloop_avx(\&body_20_39);
1438
1439         &mov    (@T[1],&DWP(192,"esp"));        # update context
1440         &add    ($A,&DWP(0,@T[1]));
1441         &add    (@T[0],&DWP(4,@T[1]));          # $b
1442         &add    ($C,&DWP(8,@T[1]));
1443         &mov    (&DWP(0,@T[1]),$A);
1444         &add    ($D,&DWP(12,@T[1]));
1445         &mov    (&DWP(4,@T[1]),@T[0]);
1446         &add    ($E,&DWP(16,@T[1]));
1447         &mov    ($B,$C);
1448         &mov    (&DWP(8,@T[1]),$C);
1449         &xor    ($B,$D);
1450         &mov    (&DWP(12,@T[1]),$D);
1451         &mov    (&DWP(16,@T[1]),$E);
1452         &mov    (@T[1],@T[0]);
1453         &and    (@T[0],$B);
1454         &mov    ($B,@T[1]);
1455
1456         &jmp    (&label("loop"));
1457
1458 &set_label("done",16);          $j=$saved_j; @V=@saved_V;
1459
1460         &Xtail_avx(\&body_20_39);
1461         &Xtail_avx(\&body_20_39);
1462         &Xtail_avx(\&body_20_39);
1463
1464         &vzeroall();
1465
1466         &mov    (@T[1],&DWP(192,"esp"));        # update context
1467         &add    ($A,&DWP(0,@T[1]));
1468         &mov    ("esp",&DWP(192+12,"esp"));     # restore %esp
1469         &add    (@T[0],&DWP(4,@T[1]));          # $b
1470         &add    ($C,&DWP(8,@T[1]));
1471         &mov    (&DWP(0,@T[1]),$A);
1472         &add    ($D,&DWP(12,@T[1]));
1473         &mov    (&DWP(4,@T[1]),@T[0]);
1474         &add    ($E,&DWP(16,@T[1]));
1475         &mov    (&DWP(8,@T[1]),$C);
1476         &mov    (&DWP(12,@T[1]),$D);
1477         &mov    (&DWP(16,@T[1]),$E);
1478 &function_end("_sha1_block_data_order_avx");
1479 }
1480 &set_label("K_XX_XX",64);
1481 &data_word(0x5a827999,0x5a827999,0x5a827999,0x5a827999);        # K_00_19
1482 &data_word(0x6ed9eba1,0x6ed9eba1,0x6ed9eba1,0x6ed9eba1);        # K_20_39
1483 &data_word(0x8f1bbcdc,0x8f1bbcdc,0x8f1bbcdc,0x8f1bbcdc);        # K_40_59
1484 &data_word(0xca62c1d6,0xca62c1d6,0xca62c1d6,0xca62c1d6);        # K_60_79
1485 &data_word(0x00010203,0x04050607,0x08090a0b,0x0c0d0e0f);        # pbswap mask
1486 &data_byte(0xf,0xe,0xd,0xc,0xb,0xa,0x9,0x8,0x7,0x6,0x5,0x4,0x3,0x2,0x1,0x0);
1487 }
1488 &asciz("SHA1 block transform for x86, CRYPTOGAMS by <appro\@openssl.org>");
1489
1490 &asm_finish();
1491
1492 close STDOUT;