crypto/sha/asm/sha1-586.pl

   1 #! /usr/bin/env perl
   2 # Copyright 1998-2018 The OpenSSL Project Authors. All Rights Reserved.
   3 #
   4 # Licensed under the Apache License 2.0 (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 outweighs the loss and incorporate this
  39 # re-tuned code to 0.9.7 and later.
  40 # ----------------------------------------------------------------
  41
  42 # August 2009.
  43 #
  44 # George Spelvin has tipped that F_40_59(b,c,d) can be rewritten as
  45 # '(c&d) + (b&(c^d))', which allows to accumulate partial results
  46 # and lighten "pressure" on scratch registers. This resulted in
  47 # >12% performance improvement on contemporary AMD cores (with no
  48 # degradation on other CPUs:-). Also, the code was revised to maximize
  49 # "distance" between instructions producing input to 'lea' instruction
  50 # and the 'lea' instruction itself, which is essential for Intel Atom
  51 # core and resulted in ~15% improvement.
  52
  53 # October 2010.
  54 #
  55 # Add SSSE3, Supplemental[!] SSE3, implementation. The idea behind it
  56 # is to offload message schedule denoted by Wt in NIST specification,
  57 # or Xupdate in OpenSSL source, to SIMD unit. The idea is not novel,
  58 # and in SSE2 context was first explored by Dean Gaudet in 2004, see
  59 # http://arctic.org/~dean/crypto/sha1.html. Since then several things
  60 # have changed that made it interesting again:
  61 #
  62 # a) XMM units became faster and wider;
  63 # b) instruction set became more versatile;
  64 # c) an important observation was made by Max Locktykhin, which made
  65 #    it possible to reduce amount of instructions required to perform
  66 #    the operation in question, for further details see
  67 #    http://software.intel.com/en-us/articles/improving-the-performance-of-the-secure-hash-algorithm-1/.
  68
  69 # April 2011.
  70 #
  71 # Add AVX code path, probably most controversial... The thing is that
  72 # switch to AVX alone improves performance by as little as 4% in
  73 # comparison to SSSE3 code path. But below result doesn't look like
  74 # 4% improvement... Trouble is that Sandy Bridge decodes 'ro[rl]' as
  75 # pair of µ-ops, and it's the additional µ-ops, two per round, that
  76 # make it run slower than Core2 and Westmere. But 'sh[rl]d' is decoded
  77 # as single µ-op by Sandy Bridge and it's replacing 'ro[rl]' with
  78 # equivalent 'sh[rl]d' that is responsible for the impressive 5.1
  79 # cycles per processed byte. But 'sh[rl]d' is not something that used
  80 # to be fast, nor does it appear to be fast in upcoming Bulldozer
  81 # [according to its optimization manual]. Which is why AVX code path
  82 # is guarded by *both* AVX and synthetic bit denoting Intel CPUs.
  83 # One can argue that it's unfair to AMD, but without 'sh[rl]d' it
  84 # makes no sense to keep the AVX code path. If somebody feels that
  85 # strongly, it's probably more appropriate to discuss possibility of
  86 # using vector rotate XOP on AMD...
  87
  88 # March 2014.
  89 #
  90 # Add support for Intel SHA Extensions.
  91
  92 ######################################################################
  93 # Current performance is summarized in following table. Numbers are
  94 # CPU clock cycles spent to process single byte (less is better).
  95 #
  96 #               x86             SSSE3           AVX
  97 # Pentium       15.7            -
  98 # PIII          11.5            -
  99 # P4            10.6            -
 100 # AMD K8        7.1             -
 101 # Core2         7.3             6.0/+22%        -
 102 # Westmere      7.3             5.5/+33%        -
 103 # Sandy Bridge  8.8             6.2/+40%        5.1(**)/+73%
 104 # Ivy Bridge    7.2             4.8/+51%        4.7(**)/+53%
 105 # Haswell       6.5             4.3/+51%        4.1(**)/+58%
 106 # Skylake       6.4             4.1/+55%        4.1(**)/+55%
 107 # Bulldozer     11.6            6.0/+92%
 108 # VIA Nano      10.6            7.5/+41%
 109 # Atom          12.5            9.3(*)/+35%
 110 # Silvermont    14.5            9.9(*)/+46%
 111 # Goldmont      8.8             6.7/+30%        1.7(***)/+415%
 112 #
 113 # (*)   Loop is 1056 instructions long and expected result is ~8.25.
 114 #       The discrepancy is because of front-end limitations, so
 115 #       called MS-ROM penalties, and on Silvermont even rotate's
 116 #       limited parallelism.
 117 #
 118 # (**)  As per above comment, the result is for AVX *plus* sh[rl]d.
 119 #
 120 # (***) SHAEXT result
 121
 122 $0 =~ m/(.*[\/\\])[^\/\\]+$/; $dir=$1;
 123 push(@INC,"${dir}","${dir}../../perlasm");
 124 require "x86asm.pl";
 125
 126 $output=pop and open STDOUT,">$output";
 127
 128 &asm_init($ARGV[0],$ARGV[$#ARGV] eq "386");
 129
 130 $xmm=$ymm=0;
 131 for (@ARGV) { $xmm=1 if (/-DOPENSSL_IA32_SSE2/); }
 132
 133 $ymm=1 if ($xmm &&
 134                 `$ENV{CC} -Wa,-v -c -o /dev/null -x assembler /dev/null 2>&1`
 135                         =~ /GNU assembler version ([2-9]\.[0-9]+)/ &&
 136                 $1>=2.19);      # first version supporting AVX
 137
 138 $ymm=1 if ($xmm && !$ymm && $ARGV[0] eq "win32n" &&
 139                 `nasm -v 2>&1` =~ /NASM version ([2-9]\.[0-9]+)/ &&
 140                 $1>=2.03);      # first version supporting AVX
 141
 142 $ymm=1 if ($xmm && !$ymm && $ARGV[0] eq "win32" &&
 143                 `ml 2>&1` =~ /Version ([0-9]+)\./ &&
 144                 $1>=10);        # first version supporting AVX
 145
 146 $ymm=1 if ($xmm && !$ymm && `$ENV{CC} -v 2>&1` =~ /((?:^clang|LLVM) version|based on LLVM) ([0-9]+\.[0-9]+)/ &&
 147                 $2>=3.0);       # first version supporting AVX
 148
 149 $shaext=$xmm;   ### set to zero if compiling for 1.0.1
 150
 151 &external_label("OPENSSL_ia32cap_P") if ($xmm);
 152
 153
 154 $A="eax";
 155 $B="ebx";
 156 $C="ecx";
 157 $D="edx";
 158 $E="edi";
 159 $T="esi";
 160 $tmp1="ebp";
 161
 162 @V=($A,$B,$C,$D,$E,$T);
 163
 164 $alt=0; # 1 denotes alternative IALU implementation, which performs
 165         # 8% *worse* on P4, same on Westmere and Atom, 2% better on
 166         # Sandy Bridge...
 167
 168 sub BODY_00_15
 169         {
 170         local($n,$a,$b,$c,$d,$e,$f)=@_;
 171
 172         &comment("00_15 $n");
 173
 174         &mov($f,$c);                    # f to hold F_00_19(b,c,d)
 175          if ($n==0)  { &mov($tmp1,$a); }
 176          else        { &mov($a,$tmp1); }
 177         &rotl($tmp1,5);                 # tmp1=ROTATE(a,5)
 178          &xor($f,$d);
 179         &add($tmp1,$e);                 # tmp1+=e;
 180          &mov($e,&swtmp($n%16));        # e becomes volatile and is loaded
 181                                         # with xi, also note that e becomes
 182                                         # f in next round...
 183         &and($f,$b);
 184         &rotr($b,2);                    # b=ROTATE(b,30)
 185          &xor($f,$d);                   # f holds F_00_19(b,c,d)
 186         &lea($tmp1,&DWP(0x5a827999,$tmp1,$e));  # tmp1+=K_00_19+xi
 187
 188         if ($n==15) { &mov($e,&swtmp(($n+1)%16));# pre-fetch f for next round
 189                       &add($f,$tmp1); } # f+=tmp1
 190         else        { &add($tmp1,$f); } # f becomes a in next round
 191         &mov($tmp1,$a)                  if ($alt && $n==15);
 192         }
 193
 194 sub BODY_16_19
 195         {
 196         local($n,$a,$b,$c,$d,$e,$f)=@_;
 197
 198         &comment("16_19 $n");
 199
 200 if ($alt) {
 201         &xor($c,$d);
 202          &xor($f,&swtmp(($n+2)%16));    # f to hold Xupdate(xi,xa,xb,xc,xd)
 203         &and($tmp1,$c);                 # tmp1 to hold F_00_19(b,c,d), b&=c^d
 204          &xor($f,&swtmp(($n+8)%16));
 205         &xor($tmp1,$d);                 # tmp1=F_00_19(b,c,d)
 206          &xor($f,&swtmp(($n+13)%16));   # f holds xa^xb^xc^xd
 207         &rotl($f,1);                    # f=ROTATE(f,1)
 208          &add($e,$tmp1);                # e+=F_00_19(b,c,d)
 209         &xor($c,$d);                    # restore $c
 210          &mov($tmp1,$a);                # b in next round
 211         &rotr($b,$n==16?2:7);           # b=ROTATE(b,30)
 212          &mov(&swtmp($n%16),$f);        # xi=f
 213         &rotl($a,5);                    # ROTATE(a,5)
 214          &lea($f,&DWP(0x5a827999,$f,$e));# f+=F_00_19(b,c,d)+e
 215         &mov($e,&swtmp(($n+1)%16));     # pre-fetch f for next round
 216          &add($f,$a);                   # f+=ROTATE(a,5)
 217 } else {
 218         &mov($tmp1,$c);                 # tmp1 to hold F_00_19(b,c,d)
 219          &xor($f,&swtmp(($n+2)%16));    # f to hold Xupdate(xi,xa,xb,xc,xd)
 220         &xor($tmp1,$d);
 221          &xor($f,&swtmp(($n+8)%16));
 222         &and($tmp1,$b);
 223          &xor($f,&swtmp(($n+13)%16));   # f holds xa^xb^xc^xd
 224         &rotl($f,1);                    # f=ROTATE(f,1)
 225          &xor($tmp1,$d);                # tmp1=F_00_19(b,c,d)
 226         &add($e,$tmp1);                 # e+=F_00_19(b,c,d)
 227          &mov($tmp1,$a);
 228         &rotr($b,2);                    # b=ROTATE(b,30)
 229          &mov(&swtmp($n%16),$f);        # xi=f
 230         &rotl($tmp1,5);                 # ROTATE(a,5)
 231          &lea($f,&DWP(0x5a827999,$f,$e));# f+=F_00_19(b,c,d)+e
 232         &mov($e,&swtmp(($n+1)%16));     # pre-fetch f for next round
 233          &add($f,$tmp1);                # f+=ROTATE(a,5)
 234 }
 235         }
 236
 237 sub BODY_20_39
 238         {
 239         local($n,$a,$b,$c,$d,$e,$f)=@_;
 240         local $K=($n<40)?0x6ed9eba1:0xca62c1d6;
 241
 242         &comment("20_39 $n");
 243
 244 if ($alt) {
 245         &xor($tmp1,$c);                 # tmp1 to hold F_20_39(b,c,d), b^=c
 246          &xor($f,&swtmp(($n+2)%16));    # f to hold Xupdate(xi,xa,xb,xc,xd)
 247         &xor($tmp1,$d);                 # tmp1 holds F_20_39(b,c,d)
 248          &xor($f,&swtmp(($n+8)%16));
 249         &add($e,$tmp1);                 # e+=F_20_39(b,c,d)
 250          &xor($f,&swtmp(($n+13)%16));   # f holds xa^xb^xc^xd
 251         &rotl($f,1);                    # f=ROTATE(f,1)
 252          &mov($tmp1,$a);                # b in next round
 253         &rotr($b,7);                    # b=ROTATE(b,30)
 254          &mov(&swtmp($n%16),$f)         if($n<77);# xi=f
 255         &rotl($a,5);                    # ROTATE(a,5)
 256          &xor($b,$c)                    if($n==39);# warm up for BODY_40_59
 257         &and($tmp1,$b)                  if($n==39);
 258          &lea($f,&DWP($K,$f,$e));       # f+=e+K_XX_YY
 259         &mov($e,&swtmp(($n+1)%16))      if($n<79);# pre-fetch f for next round
 260          &add($f,$a);                   # f+=ROTATE(a,5)
 261         &rotr($a,5)                     if ($n==79);
 262 } else {
 263         &mov($tmp1,$b);                 # tmp1 to hold F_20_39(b,c,d)
 264          &xor($f,&swtmp(($n+2)%16));    # f to hold Xupdate(xi,xa,xb,xc,xd)
 265         &xor($tmp1,$c);
 266          &xor($f,&swtmp(($n+8)%16));
 267         &xor($tmp1,$d);                 # tmp1 holds F_20_39(b,c,d)
 268          &xor($f,&swtmp(($n+13)%16));   # f holds xa^xb^xc^xd
 269         &rotl($f,1);                    # f=ROTATE(f,1)
 270          &add($e,$tmp1);                # e+=F_20_39(b,c,d)
 271         &rotr($b,2);                    # b=ROTATE(b,30)
 272          &mov($tmp1,$a);
 273         &rotl($tmp1,5);                 # ROTATE(a,5)
 274          &mov(&swtmp($n%16),$f) if($n<77);# xi=f
 275         &lea($f,&DWP($K,$f,$e));        # f+=e+K_XX_YY
 276          &mov($e,&swtmp(($n+1)%16)) if($n<79);# pre-fetch f for next round
 277         &add($f,$tmp1);                 # f+=ROTATE(a,5)
 278 }
 279         }
 280
 281 sub BODY_40_59
 282         {
 283         local($n,$a,$b,$c,$d,$e,$f)=@_;
 284
 285         &comment("40_59 $n");
 286
 287 if ($alt) {
 288         &add($e,$tmp1);                 # e+=b&(c^d)
 289          &xor($f,&swtmp(($n+2)%16));    # f to hold Xupdate(xi,xa,xb,xc,xd)
 290         &mov($tmp1,$d);
 291          &xor($f,&swtmp(($n+8)%16));
 292         &xor($c,$d);                    # restore $c
 293          &xor($f,&swtmp(($n+13)%16));   # f holds xa^xb^xc^xd
 294         &rotl($f,1);                    # f=ROTATE(f,1)
 295          &and($tmp1,$c);
 296         &rotr($b,7);                    # b=ROTATE(b,30)
 297          &add($e,$tmp1);                # e+=c&d
 298         &mov($tmp1,$a);                 # b in next round
 299          &mov(&swtmp($n%16),$f);        # xi=f
 300         &rotl($a,5);                    # ROTATE(a,5)
 301          &xor($b,$c)                    if ($n<59);
 302         &and($tmp1,$b)                  if ($n<59);# tmp1 to hold F_40_59(b,c,d)
 303          &lea($f,&DWP(0x8f1bbcdc,$f,$e));# f+=K_40_59+e+(b&(c^d))
 304         &mov($e,&swtmp(($n+1)%16));     # pre-fetch f for next round
 305          &add($f,$a);                   # f+=ROTATE(a,5)
 306 } else {
 307         &mov($tmp1,$c);                 # tmp1 to hold F_40_59(b,c,d)
 308          &xor($f,&swtmp(($n+2)%16));    # f to hold Xupdate(xi,xa,xb,xc,xd)
 309         &xor($tmp1,$d);
 310          &xor($f,&swtmp(($n+8)%16));
 311         &and($tmp1,$b);
 312          &xor($f,&swtmp(($n+13)%16));   # f holds xa^xb^xc^xd
 313         &rotl($f,1);                    # f=ROTATE(f,1)
 314          &add($tmp1,$e);                # b&(c^d)+=e
 315         &rotr($b,2);                    # b=ROTATE(b,30)
 316          &mov($e,$a);                   # e becomes volatile
 317         &rotl($e,5);                    # ROTATE(a,5)
 318          &mov(&swtmp($n%16),$f);        # xi=f
 319         &lea($f,&DWP(0x8f1bbcdc,$f,$tmp1));# f+=K_40_59+e+(b&(c^d))
 320          &mov($tmp1,$c);
 321         &add($f,$e);                    # f+=ROTATE(a,5)
 322          &and($tmp1,$d);
 323         &mov($e,&swtmp(($n+1)%16));     # pre-fetch f for next round
 324          &add($f,$tmp1);                # f+=c&d
 325 }
 326         }
 327
 328 &function_begin("sha1_block_data_order");
 329 if ($xmm) {
 330   &static_label("shaext_shortcut")      if ($shaext);
 331   &static_label("ssse3_shortcut");
 332   &static_label("avx_shortcut")         if ($ymm);
 333   &static_label("K_XX_XX");
 334
 335         &call   (&label("pic_point"));  # make it PIC!
 336   &set_label("pic_point");
 337         &blindpop($tmp1);
 338         &picmeup($T,"OPENSSL_ia32cap_P",$tmp1,&label("pic_point"));
 339         &lea    ($tmp1,&DWP(&label("K_XX_XX")."-".&label("pic_point"),$tmp1));
 340
 341         &mov    ($A,&DWP(0,$T));
 342         &mov    ($D,&DWP(4,$T));
 343         &test   ($D,1<<9);              # check SSSE3 bit
 344         &jz     (&label("x86"));
 345         &mov    ($C,&DWP(8,$T));
 346         &test   ($A,1<<24);             # check FXSR bit
 347         &jz     (&label("x86"));
 348         if ($shaext) {
 349                 &test   ($C,1<<29);             # check SHA bit
 350                 &jnz    (&label("shaext_shortcut"));
 351         }
 352         if ($ymm) {
 353                 &and    ($D,1<<28);             # mask AVX bit
 354                 &and    ($A,1<<30);             # mask "Intel CPU" bit
 355                 &or     ($A,$D);
 356                 &cmp    ($A,1<<28|1<<30);
 357                 &je     (&label("avx_shortcut"));
 358         }
 359         &jmp    (&label("ssse3_shortcut"));
 360   &set_label("x86",16);
 361 }
 362         &mov($tmp1,&wparam(0)); # SHA_CTX *c
 363         &mov($T,&wparam(1));    # const void *input
 364         &mov($A,&wparam(2));    # size_t num
 365         &stack_push(16+3);      # allocate X[16]
 366         &shl($A,6);
 367         &add($A,$T);
 368         &mov(&wparam(2),$A);    # pointer beyond the end of input
 369         &mov($E,&DWP(16,$tmp1));# pre-load E
 370         &jmp(&label("loop"));
 371
 372 &set_label("loop",16);
 373
 374         # copy input chunk to X, but reversing byte order!
 375         for ($i=0; $i<16; $i+=4)
 376                 {
 377                 &mov($A,&DWP(4*($i+0),$T));
 378                 &mov($B,&DWP(4*($i+1),$T));
 379                 &mov($C,&DWP(4*($i+2),$T));
 380                 &mov($D,&DWP(4*($i+3),$T));
 381                 &bswap($A);
 382                 &bswap($B);
 383                 &bswap($C);
 384                 &bswap($D);
 385                 &mov(&swtmp($i+0),$A);
 386                 &mov(&swtmp($i+1),$B);
 387                 &mov(&swtmp($i+2),$C);
 388                 &mov(&swtmp($i+3),$D);
 389                 }
 390         &mov(&wparam(1),$T);    # redundant in 1st spin
 391
 392         &mov($A,&DWP(0,$tmp1)); # load SHA_CTX
 393         &mov($B,&DWP(4,$tmp1));
 394         &mov($C,&DWP(8,$tmp1));
 395         &mov($D,&DWP(12,$tmp1));
 396         # E is pre-loaded
 397
 398         for($i=0;$i<16;$i++)    { &BODY_00_15($i,@V); unshift(@V,pop(@V)); }
 399         for(;$i<20;$i++)        { &BODY_16_19($i,@V); unshift(@V,pop(@V)); }
 400         for(;$i<40;$i++)        { &BODY_20_39($i,@V); unshift(@V,pop(@V)); }
 401         for(;$i<60;$i++)        { &BODY_40_59($i,@V); unshift(@V,pop(@V)); }
 402         for(;$i<80;$i++)        { &BODY_20_39($i,@V); unshift(@V,pop(@V)); }
 403
 404         (($V[5] eq $D) and ($V[0] eq $E)) or die;       # double-check
 405
 406         &mov($tmp1,&wparam(0)); # re-load SHA_CTX*
 407         &mov($D,&wparam(1));    # D is last "T" and is discarded
 408
 409         &add($E,&DWP(0,$tmp1)); # E is last "A"...
 410         &add($T,&DWP(4,$tmp1));
 411         &add($A,&DWP(8,$tmp1));
 412         &add($B,&DWP(12,$tmp1));
 413         &add($C,&DWP(16,$tmp1));
 414
 415         &mov(&DWP(0,$tmp1),$E); # update SHA_CTX
 416          &add($D,64);           # advance input pointer
 417         &mov(&DWP(4,$tmp1),$T);
 418          &cmp($D,&wparam(2));   # have we reached the end yet?
 419         &mov(&DWP(8,$tmp1),$A);
 420          &mov($E,$C);           # C is last "E" which needs to be "pre-loaded"
 421         &mov(&DWP(12,$tmp1),$B);
 422          &mov($T,$D);           # input pointer
 423         &mov(&DWP(16,$tmp1),$C);
 424         &jb(&label("loop"));
 425
 426         &stack_pop(16+3);
 427 &function_end("sha1_block_data_order");
 428
 429 if ($xmm) {
 430 if ($shaext) {
 431 ######################################################################
 432 # Intel SHA Extensions implementation of SHA1 update function.
 433 #
 434 my ($ctx,$inp,$num)=("edi","esi","ecx");
 435 my ($ABCD,$E,$E_,$BSWAP)=map("xmm$_",(0..3));
 436 my @MSG=map("xmm$_",(4..7));
 437
 438 sub sha1rnds4 {
 439  my ($dst,$src,$imm)=@_;
 440     if ("$dst:$src" =~ /xmm([0-7]):xmm([0-7])/)
 441     {   &data_byte(0x0f,0x3a,0xcc,0xc0|($1<<3)|$2,$imm);        }
 442 }
 443 sub sha1op38 {
 444  my ($opcodelet,$dst,$src)=@_;
 445     if ("$dst:$src" =~ /xmm([0-7]):xmm([0-7])/)
 446     {   &data_byte(0x0f,0x38,$opcodelet,0xc0|($1<<3)|$2);       }
 447 }
 448 sub sha1nexte   { sha1op38(0xc8,@_); }
 449 sub sha1msg1    { sha1op38(0xc9,@_); }
 450 sub sha1msg2    { sha1op38(0xca,@_); }
 451
 452 &function_begin("_sha1_block_data_order_shaext");
 453         &call   (&label("pic_point"));  # make it PIC!
 454         &set_label("pic_point");
 455         &blindpop($tmp1);
 456         &lea    ($tmp1,&DWP(&label("K_XX_XX")."-".&label("pic_point"),$tmp1));
 457 &set_label("shaext_shortcut");
 458         &mov    ($ctx,&wparam(0));
 459         &mov    ("ebx","esp");
 460         &mov    ($inp,&wparam(1));
 461         &mov    ($num,&wparam(2));
 462         &sub    ("esp",32);
 463
 464         &movdqu ($ABCD,&QWP(0,$ctx));
 465         &movd   ($E,&DWP(16,$ctx));
 466         &and    ("esp",-32);
 467         &movdqa ($BSWAP,&QWP(0x50,$tmp1));      # byte-n-word swap
 468
 469         &movdqu (@MSG[0],&QWP(0,$inp));
 470         &pshufd ($ABCD,$ABCD,0b00011011);       # flip word order
 471         &movdqu (@MSG[1],&QWP(0x10,$inp));
 472         &pshufd ($E,$E,0b00011011);             # flip word order
 473         &movdqu (@MSG[2],&QWP(0x20,$inp));
 474         &pshufb (@MSG[0],$BSWAP);
 475         &movdqu (@MSG[3],&QWP(0x30,$inp));
 476         &pshufb (@MSG[1],$BSWAP);
 477         &pshufb (@MSG[2],$BSWAP);
 478         &pshufb (@MSG[3],$BSWAP);
 479         &jmp    (&label("loop_shaext"));
 480
 481 &set_label("loop_shaext",16);
 482         &dec            ($num);
 483         &lea            ("eax",&DWP(0x40,$inp));
 484         &movdqa         (&QWP(0,"esp"),$E);     # offload $E
 485         &paddd          ($E,@MSG[0]);
 486         &cmovne         ($inp,"eax");
 487         &movdqa         (&QWP(16,"esp"),$ABCD); # offload $ABCD
 488
 489 for($i=0;$i<20-4;$i+=2) {
 490         &sha1msg1       (@MSG[0],@MSG[1]);
 491         &movdqa         ($E_,$ABCD);
 492         &sha1rnds4      ($ABCD,$E,int($i/5));   # 0-3...
 493         &sha1nexte      ($E_,@MSG[1]);
 494         &pxor           (@MSG[0],@MSG[2]);
 495         &sha1msg1       (@MSG[1],@MSG[2]);
 496         &sha1msg2       (@MSG[0],@MSG[3]);
 497
 498         &movdqa         ($E,$ABCD);
 499         &sha1rnds4      ($ABCD,$E_,int(($i+1)/5));
 500         &sha1nexte      ($E,@MSG[2]);
 501         &pxor           (@MSG[1],@MSG[3]);
 502         &sha1msg2       (@MSG[1],@MSG[0]);
 503
 504         push(@MSG,shift(@MSG)); push(@MSG,shift(@MSG));
 505 }
 506         &movdqu         (@MSG[0],&QWP(0,$inp));
 507         &movdqa         ($E_,$ABCD);
 508         &sha1rnds4      ($ABCD,$E,3);           # 64-67
 509         &sha1nexte      ($E_,@MSG[1]);
 510         &movdqu         (@MSG[1],&QWP(0x10,$inp));
 511         &pshufb         (@MSG[0],$BSWAP);
 512
 513         &movdqa         ($E,$ABCD);
 514         &sha1rnds4      ($ABCD,$E_,3);          # 68-71
 515         &sha1nexte      ($E,@MSG[2]);
 516         &movdqu         (@MSG[2],&QWP(0x20,$inp));
 517         &pshufb         (@MSG[1],$BSWAP);
 518
 519         &movdqa         ($E_,$ABCD);
 520         &sha1rnds4      ($ABCD,$E,3);           # 72-75
 521         &sha1nexte      ($E_,@MSG[3]);
 522         &movdqu         (@MSG[3],&QWP(0x30,$inp));
 523         &pshufb         (@MSG[2],$BSWAP);
 524
 525         &movdqa         ($E,$ABCD);
 526         &sha1rnds4      ($ABCD,$E_,3);          # 76-79
 527         &movdqa         ($E_,&QWP(0,"esp"));
 528         &pshufb         (@MSG[3],$BSWAP);
 529         &sha1nexte      ($E,$E_);
 530         &paddd          ($ABCD,&QWP(16,"esp"));
 531
 532         &jnz            (&label("loop_shaext"));
 533
 534         &pshufd ($ABCD,$ABCD,0b00011011);
 535         &pshufd ($E,$E,0b00011011);
 536         &movdqu (&QWP(0,$ctx),$ABCD)
 537         &movd   (&DWP(16,$ctx),$E);
 538         &mov    ("esp","ebx");
 539 &function_end("_sha1_block_data_order_shaext");
 540 }
 541 ######################################################################
 542 # The SSSE3 implementation.
 543 #
 544 # %xmm[0-7] are used as ring @X[] buffer containing quadruples of last
 545 # 32 elements of the message schedule or Xupdate outputs. First 4
 546 # quadruples are simply byte-swapped input, next 4 are calculated
 547 # according to method originally suggested by Dean Gaudet (modulo
 548 # being implemented in SSSE3). Once 8 quadruples or 32 elements are
 549 # collected, it switches to routine proposed by Max Locktyukhin.
 550 #
 551 # Calculations inevitably require temporary registers, and there are
 552 # no %xmm registers left to spare. For this reason part of the ring
 553 # buffer, X[2..4] to be specific, is offloaded to 3 quadriples ring
 554 # buffer on the stack. Keep in mind that X[2] is alias X[-6], X[3] -
 555 # X[-5], and X[4] - X[-4]...
 556 #
 557 # Another notable optimization is aggressive stack frame compression
 558 # aiming to minimize amount of 9-byte instructions...
 559 #
 560 # Yet another notable optimization is "jumping" $B variable. It means
 561 # that there is no register permanently allocated for $B value. This
 562 # allowed to eliminate one instruction from body_20_39...
 563 #
 564 my $Xi=4;                       # 4xSIMD Xupdate round, start pre-seeded
 565 my @X=map("xmm$_",(4..7,0..3)); # pre-seeded for $Xi=4
 566 my @V=($A,$B,$C,$D,$E);
 567 my $j=0;                        # hash round
 568 my $rx=0;
 569 my @T=($T,$tmp1);
 570 my $inp;
 571
 572 my $_rol=sub { &rol(@_) };
 573 my $_ror=sub { &ror(@_) };
 574
 575 &function_begin("_sha1_block_data_order_ssse3");
 576         &call   (&label("pic_point"));  # make it PIC!
 577         &set_label("pic_point");
 578         &blindpop($tmp1);
 579         &lea    ($tmp1,&DWP(&label("K_XX_XX")."-".&label("pic_point"),$tmp1));
 580 &set_label("ssse3_shortcut");
 581
 582         &movdqa (@X[3],&QWP(0,$tmp1));          # K_00_19
 583         &movdqa (@X[4],&QWP(16,$tmp1));         # K_20_39
 584         &movdqa (@X[5],&QWP(32,$tmp1));         # K_40_59
 585         &movdqa (@X[6],&QWP(48,$tmp1));         # K_60_79
 586         &movdqa (@X[2],&QWP(64,$tmp1));         # pbswap mask
 587
 588         &mov    ($E,&wparam(0));                # load argument block
 589         &mov    ($inp=@T[1],&wparam(1));
 590         &mov    ($D,&wparam(2));
 591         &mov    (@T[0],"esp");
 592
 593         # stack frame layout
 594         #
 595         # +0    X[0]+K  X[1]+K  X[2]+K  X[3]+K  # XMM->IALU xfer area
 596         #       X[4]+K  X[5]+K  X[6]+K  X[7]+K
 597         #       X[8]+K  X[9]+K  X[10]+K X[11]+K
 598         #       X[12]+K X[13]+K X[14]+K X[15]+K
 599         #
 600         # +64   X[0]    X[1]    X[2]    X[3]    # XMM->XMM backtrace area
 601         #       X[4]    X[5]    X[6]    X[7]
 602         #       X[8]    X[9]    X[10]   X[11]   # even borrowed for K_00_19
 603         #
 604         # +112  K_20_39 K_20_39 K_20_39 K_20_39 # constants
 605         #       K_40_59 K_40_59 K_40_59 K_40_59
 606         #       K_60_79 K_60_79 K_60_79 K_60_79
 607         #       K_00_19 K_00_19 K_00_19 K_00_19
 608         #       pbswap mask
 609         #
 610         # +192  ctx                             # argument block
 611         # +196  inp
 612         # +200  end
 613         # +204  esp
 614         &sub    ("esp",208);
 615         &and    ("esp",-64);
 616
 617         &movdqa (&QWP(112+0,"esp"),@X[4]);      # copy constants
 618         &movdqa (&QWP(112+16,"esp"),@X[5]);
 619         &movdqa (&QWP(112+32,"esp"),@X[6]);
 620         &shl    ($D,6);                         # len*64
 621         &movdqa (&QWP(112+48,"esp"),@X[3]);
 622         &add    ($D,$inp);                      # end of input
 623         &movdqa (&QWP(112+64,"esp"),@X[2]);
 624         &add    ($inp,64);
 625         &mov    (&DWP(192+0,"esp"),$E);         # save argument block
 626         &mov    (&DWP(192+4,"esp"),$inp);
 627         &mov    (&DWP(192+8,"esp"),$D);
 628         &mov    (&DWP(192+12,"esp"),@T[0]);     # save original %esp
 629
 630         &mov    ($A,&DWP(0,$E));                # load context
 631         &mov    ($B,&DWP(4,$E));
 632         &mov    ($C,&DWP(8,$E));
 633         &mov    ($D,&DWP(12,$E));
 634         &mov    ($E,&DWP(16,$E));
 635         &mov    (@T[0],$B);                     # magic seed
 636
 637         &movdqu (@X[-4&7],&QWP(-64,$inp));      # load input to %xmm[0-3]
 638         &movdqu (@X[-3&7],&QWP(-48,$inp));
 639         &movdqu (@X[-2&7],&QWP(-32,$inp));
 640         &movdqu (@X[-1&7],&QWP(-16,$inp));
 641         &pshufb (@X[-4&7],@X[2]);               # byte swap
 642         &pshufb (@X[-3&7],@X[2]);
 643         &pshufb (@X[-2&7],@X[2]);
 644         &movdqa (&QWP(112-16,"esp"),@X[3]);     # borrow last backtrace slot
 645         &pshufb (@X[-1&7],@X[2]);
 646         &paddd  (@X[-4&7],@X[3]);               # add K_00_19
 647         &paddd  (@X[-3&7],@X[3]);
 648         &paddd  (@X[-2&7],@X[3]);
 649         &movdqa (&QWP(0,"esp"),@X[-4&7]);       # X[]+K xfer to IALU
 650         &psubd  (@X[-4&7],@X[3]);               # restore X[]
 651         &movdqa (&QWP(0+16,"esp"),@X[-3&7]);
 652         &psubd  (@X[-3&7],@X[3]);
 653         &movdqa (&QWP(0+32,"esp"),@X[-2&7]);
 654         &mov    (@T[1],$C);
 655         &psubd  (@X[-2&7],@X[3]);
 656         &xor    (@T[1],$D);
 657         &pshufd (@X[0],@X[-4&7],0xee);          # was &movdqa   (@X[0],@X[-3&7]);
 658         &and    (@T[0],@T[1]);
 659         &jmp    (&label("loop"));
 660
 661 ######################################################################
 662 # SSE instruction sequence is first broken to groups of independent
 663 # instructions, independent in respect to their inputs and shifter
 664 # (not all architectures have more than one). Then IALU instructions
 665 # are "knitted in" between the SSE groups. Distance is maintained for
 666 # SSE latency of 2 in hope that it fits better upcoming AMD Bulldozer
 667 # [which allegedly also implements SSSE3]...
 668 #
 669 # Temporary registers usage. X[2] is volatile at the entry and at the
 670 # end is restored from backtrace ring buffer. X[3] is expected to
 671 # contain current K_XX_XX constant and is used to calculate X[-1]+K
 672 # from previous round, it becomes volatile the moment the value is
 673 # saved to stack for transfer to IALU. X[4] becomes volatile whenever
 674 # X[-4] is accumulated and offloaded to backtrace ring buffer, at the
 675 # end it is loaded with next K_XX_XX [which becomes X[3] in next
 676 # round]...
 677 #
 678 sub Xupdate_ssse3_16_31()               # recall that $Xi starts with 4
 679 { use integer;
 680   my $body = shift;
 681   my @insns = (&$body,&$body,&$body,&$body);    # 40 instructions
 682   my ($a,$b,$c,$d,$e);
 683
 684          eval(shift(@insns));           # ror
 685          eval(shift(@insns));
 686          eval(shift(@insns));
 687         &punpcklqdq(@X[0],@X[-3&7]);    # compose "X[-14]" in "X[0]", was &palignr(@X[0],@X[-4&7],8);
 688         &movdqa (@X[2],@X[-1&7]);
 689          eval(shift(@insns));
 690          eval(shift(@insns));
 691
 692           &paddd        (@X[3],@X[-1&7]);
 693           &movdqa       (&QWP(64+16*(($Xi-4)%3),"esp"),@X[-4&7]);# save X[] to backtrace buffer
 694          eval(shift(@insns));           # rol
 695          eval(shift(@insns));
 696         &psrldq (@X[2],4);              # "X[-3]", 3 dwords
 697          eval(shift(@insns));
 698          eval(shift(@insns));
 699         &pxor   (@X[0],@X[-4&7]);       # "X[0]"^="X[-16]"
 700          eval(shift(@insns));
 701          eval(shift(@insns));           # ror
 702
 703         &pxor   (@X[2],@X[-2&7]);       # "X[-3]"^"X[-8]"
 704          eval(shift(@insns));
 705          eval(shift(@insns));
 706          eval(shift(@insns));
 707
 708         &pxor   (@X[0],@X[2]);          # "X[0]"^="X[-3]"^"X[-8]"
 709          eval(shift(@insns));
 710          eval(shift(@insns));           # rol
 711           &movdqa       (&QWP(0+16*(($Xi-1)&3),"esp"),@X[3]);   # X[]+K xfer to IALU
 712          eval(shift(@insns));
 713          eval(shift(@insns));
 714
 715         &movdqa (@X[4],@X[0]);
 716          eval(shift(@insns));
 717          eval(shift(@insns));
 718          eval(shift(@insns));           # ror
 719         &movdqa (@X[2],@X[0]);
 720          eval(shift(@insns));
 721
 722         &pslldq (@X[4],12);             # "X[0]"<<96, extract one dword
 723         &paddd  (@X[0],@X[0]);
 724          eval(shift(@insns));
 725          eval(shift(@insns));
 726
 727         &psrld  (@X[2],31);
 728          eval(shift(@insns));
 729          eval(shift(@insns));           # rol
 730         &movdqa (@X[3],@X[4]);
 731          eval(shift(@insns));
 732          eval(shift(@insns));
 733          eval(shift(@insns));
 734
 735         &psrld  (@X[4],30);
 736          eval(shift(@insns));
 737          eval(shift(@insns));           # ror
 738         &por    (@X[0],@X[2]);          # "X[0]"<<<=1
 739          eval(shift(@insns));
 740           &movdqa       (@X[2],&QWP(64+16*(($Xi-6)%3),"esp")) if ($Xi>5);       # restore X[] from backtrace buffer
 741          eval(shift(@insns));
 742          eval(shift(@insns));
 743
 744         &pslld  (@X[3],2);
 745          eval(shift(@insns));
 746          eval(shift(@insns));           # rol
 747         &pxor   (@X[0],@X[4]);
 748           &movdqa       (@X[4],&QWP(112-16+16*(($Xi)/5),"esp"));        # K_XX_XX
 749          eval(shift(@insns));
 750          eval(shift(@insns));
 751
 752         &pxor   (@X[0],@X[3]);          # "X[0]"^=("X[0]"<<96)<<<2
 753           &pshufd       (@X[1],@X[-3&7],0xee)   if ($Xi<7);     # was &movdqa   (@X[1],@X[-2&7])
 754           &pshufd       (@X[3],@X[-1&7],0xee)   if ($Xi==7);
 755          eval(shift(@insns));
 756          eval(shift(@insns));
 757
 758          foreach (@insns) { eval; }     # remaining instructions [if any]
 759
 760   $Xi++;        push(@X,shift(@X));     # "rotate" X[]
 761 }
 762
 763 sub Xupdate_ssse3_32_79()
 764 { use integer;
 765   my $body = shift;
 766   my @insns = (&$body,&$body,&$body,&$body);    # 32 to 44 instructions
 767   my ($a,$b,$c,$d,$e);
 768
 769          eval(shift(@insns));           # body_20_39
 770         &pxor   (@X[0],@X[-4&7]);       # "X[0]"="X[-32]"^"X[-16]"
 771         &punpcklqdq(@X[2],@X[-1&7]);    # compose "X[-6]", was &palignr(@X[2],@X[-2&7],8)
 772          eval(shift(@insns));
 773          eval(shift(@insns));
 774          eval(shift(@insns));           # rol
 775
 776         &pxor   (@X[0],@X[-7&7]);       # "X[0]"^="X[-28]"
 777           &movdqa       (&QWP(64+16*(($Xi-4)%3),"esp"),@X[-4&7]);       # save X[] to backtrace buffer
 778          eval(shift(@insns));
 779          eval(shift(@insns));
 780          eval(shift(@insns))            if (@insns[0] =~ /_rol/);
 781          if ($Xi%5) {
 782           &movdqa       (@X[4],@X[3]);  # "perpetuate" K_XX_XX...
 783          } else {                       # ... or load next one
 784           &movdqa       (@X[4],&QWP(112-16+16*($Xi/5),"esp"));
 785          }
 786          eval(shift(@insns));           # ror
 787           &paddd        (@X[3],@X[-1&7]);
 788          eval(shift(@insns));
 789
 790         &pxor   (@X[0],@X[2]);          # "X[0]"^="X[-6]"
 791          eval(shift(@insns));           # body_20_39
 792          eval(shift(@insns));
 793          eval(shift(@insns));
 794          eval(shift(@insns));           # rol
 795
 796         &movdqa (@X[2],@X[0]);
 797           &movdqa       (&QWP(0+16*(($Xi-1)&3),"esp"),@X[3]);   # X[]+K xfer to IALU
 798          eval(shift(@insns));
 799          eval(shift(@insns));
 800          eval(shift(@insns));           # ror
 801          eval(shift(@insns));
 802          eval(shift(@insns))            if (@insns[0] =~ /_rol/);
 803
 804         &pslld  (@X[0],2);
 805          eval(shift(@insns));           # body_20_39
 806          eval(shift(@insns));
 807         &psrld  (@X[2],30);
 808          eval(shift(@insns));
 809          eval(shift(@insns));           # rol
 810          eval(shift(@insns));
 811          eval(shift(@insns));
 812          eval(shift(@insns));           # ror
 813          eval(shift(@insns));
 814          eval(shift(@insns))            if (@insns[1] =~ /_rol/);
 815          eval(shift(@insns))            if (@insns[0] =~ /_rol/);
 816
 817         &por    (@X[0],@X[2]);          # "X[0]"<<<=2
 818          eval(shift(@insns));           # body_20_39
 819          eval(shift(@insns));
 820           &movdqa       (@X[2],&QWP(64+16*(($Xi-6)%3),"esp")) if($Xi<19);       # restore X[] from backtrace buffer
 821          eval(shift(@insns));
 822          eval(shift(@insns));           # rol
 823          eval(shift(@insns));
 824          eval(shift(@insns));
 825          eval(shift(@insns));           # ror
 826           &pshufd       (@X[3],@X[-1],0xee)     if ($Xi<19);    # was &movdqa   (@X[3],@X[0])
 827          eval(shift(@insns));
 828
 829          foreach (@insns) { eval; }     # remaining instructions
 830
 831   $Xi++;        push(@X,shift(@X));     # "rotate" X[]
 832 }
 833
 834 sub Xuplast_ssse3_80()
 835 { use integer;
 836   my $body = shift;
 837   my @insns = (&$body,&$body,&$body,&$body);    # 32 instructions
 838   my ($a,$b,$c,$d,$e);
 839
 840          eval(shift(@insns));
 841          eval(shift(@insns));
 842          eval(shift(@insns));
 843          eval(shift(@insns));
 844          eval(shift(@insns));
 845          eval(shift(@insns));
 846          eval(shift(@insns));
 847           &paddd        (@X[3],@X[-1&7]);
 848          eval(shift(@insns));
 849          eval(shift(@insns));
 850          eval(shift(@insns));
 851          eval(shift(@insns));
 852
 853           &movdqa       (&QWP(0+16*(($Xi-1)&3),"esp"),@X[3]);   # X[]+K xfer IALU
 854
 855          foreach (@insns) { eval; }             # remaining instructions
 856
 857         &mov    ($inp=@T[1],&DWP(192+4,"esp"));
 858         &cmp    ($inp,&DWP(192+8,"esp"));
 859         &je     (&label("done"));
 860
 861         &movdqa (@X[3],&QWP(112+48,"esp"));     # K_00_19
 862         &movdqa (@X[2],&QWP(112+64,"esp"));     # pbswap mask
 863         &movdqu (@X[-4&7],&QWP(0,$inp));        # load input
 864         &movdqu (@X[-3&7],&QWP(16,$inp));
 865         &movdqu (@X[-2&7],&QWP(32,$inp));
 866         &movdqu (@X[-1&7],&QWP(48,$inp));
 867         &add    ($inp,64);
 868         &pshufb (@X[-4&7],@X[2]);               # byte swap
 869         &mov    (&DWP(192+4,"esp"),$inp);
 870         &movdqa (&QWP(112-16,"esp"),@X[3]);     # borrow last backtrace slot
 871
 872   $Xi=0;
 873 }
 874
 875 sub Xloop_ssse3()
 876 { use integer;
 877   my $body = shift;
 878   my @insns = (&$body,&$body,&$body,&$body);    # 32 instructions
 879   my ($a,$b,$c,$d,$e);
 880
 881          eval(shift(@insns));
 882          eval(shift(@insns));
 883          eval(shift(@insns));
 884          eval(shift(@insns));
 885          eval(shift(@insns));
 886          eval(shift(@insns));
 887          eval(shift(@insns));
 888         &pshufb (@X[($Xi-3)&7],@X[2]);
 889          eval(shift(@insns));
 890          eval(shift(@insns));
 891          eval(shift(@insns));
 892          eval(shift(@insns));
 893         &paddd  (@X[($Xi-4)&7],@X[3]);
 894          eval(shift(@insns));
 895          eval(shift(@insns));
 896          eval(shift(@insns));
 897          eval(shift(@insns));
 898         &movdqa (&QWP(0+16*$Xi,"esp"),@X[($Xi-4)&7]);   # X[]+K xfer to IALU
 899          eval(shift(@insns));
 900          eval(shift(@insns));
 901          eval(shift(@insns));
 902          eval(shift(@insns));
 903         &psubd  (@X[($Xi-4)&7],@X[3]);
 904
 905         foreach (@insns) { eval; }
 906   $Xi++;
 907 }
 908
 909 sub Xtail_ssse3()
 910 { use integer;
 911   my $body = shift;
 912   my @insns = (&$body,&$body,&$body,&$body);    # 32 instructions
 913   my ($a,$b,$c,$d,$e);
 914
 915         foreach (@insns) { eval; }
 916 }
 917
 918 sub body_00_19 () {     # ((c^d)&b)^d
 919         # on start @T[0]=(c^d)&b
 920         return &body_20_39()    if ($rx==19);   $rx++;
 921         (
 922         '($a,$b,$c,$d,$e)=@V;'.
 923         '&$_ror ($b,$j?7:2);',  # $b>>>2
 924         '&xor   (@T[0],$d);',
 925         '&mov   (@T[1],$a);',   # $b in next round
 926
 927         '&add   ($e,&DWP(4*($j&15),"esp"));',   # X[]+K xfer
 928         '&xor   ($b,$c);',      # $c^$d for next round
 929
 930         '&$_rol ($a,5);',
 931         '&add   ($e,@T[0]);',
 932         '&and   (@T[1],$b);',   # ($b&($c^$d)) for next round
 933
 934         '&xor   ($b,$c);',      # restore $b
 935         '&add   ($e,$a);'       .'$j++; unshift(@V,pop(@V)); unshift(@T,pop(@T));'
 936         );
 937 }
 938
 939 sub body_20_39 () {     # b^d^c
 940         # on entry @T[0]=b^d
 941         return &body_40_59()    if ($rx==39);   $rx++;
 942         (
 943         '($a,$b,$c,$d,$e)=@V;'.
 944         '&add   ($e,&DWP(4*($j&15),"esp"));',   # X[]+K xfer
 945         '&xor   (@T[0],$d)      if($j==19);'.
 946         '&xor   (@T[0],$c)      if($j> 19);',   # ($b^$d^$c)
 947         '&mov   (@T[1],$a);',   # $b in next round
 948
 949         '&$_rol ($a,5);',
 950         '&add   ($e,@T[0]);',
 951         '&xor   (@T[1],$c)      if ($j< 79);',  # $b^$d for next round
 952
 953         '&$_ror ($b,7);',       # $b>>>2
 954         '&add   ($e,$a);'       .'$j++; unshift(@V,pop(@V)); unshift(@T,pop(@T));'
 955         );
 956 }
 957
 958 sub body_40_59 () {     # ((b^c)&(c^d))^c
 959         # on entry @T[0]=(b^c), (c^=d)
 960         $rx++;
 961         (
 962         '($a,$b,$c,$d,$e)=@V;'.
 963         '&add   ($e,&DWP(4*($j&15),"esp"));',   # X[]+K xfer
 964         '&and   (@T[0],$c)      if ($j>=40);',  # (b^c)&(c^d)
 965         '&xor   ($c,$d)         if ($j>=40);',  # restore $c
 966
 967         '&$_ror ($b,7);',       # $b>>>2
 968         '&mov   (@T[1],$a);',   # $b for next round
 969         '&xor   (@T[0],$c);',
 970
 971         '&$_rol ($a,5);',
 972         '&add   ($e,@T[0]);',
 973         '&xor   (@T[1],$c)      if ($j==59);'.
 974         '&xor   (@T[1],$b)      if ($j< 59);',  # b^c for next round
 975
 976         '&xor   ($b,$c)         if ($j< 59);',  # c^d for next round
 977         '&add   ($e,$a);'       .'$j++; unshift(@V,pop(@V)); unshift(@T,pop(@T));'
 978         );
 979 }
 980 ######
 981 sub bodyx_00_19 () {    # ((c^d)&b)^d
 982         # on start @T[0]=(b&c)^(~b&d), $e+=X[]+K
 983         return &bodyx_20_39()   if ($rx==19);   $rx++;
 984         (
 985         '($a,$b,$c,$d,$e)=@V;'.
 986
 987         '&rorx  ($b,$b,2)                       if ($j==0);'.   # $b>>>2
 988         '&rorx  ($b,@T[1],7)                    if ($j!=0);',   # $b>>>2
 989         '&lea   ($e,&DWP(0,$e,@T[0]));',
 990         '&rorx  (@T[0],$a,5);',
 991
 992         '&andn  (@T[1],$a,$c);',
 993         '&and   ($a,$b)',
 994         '&add   ($d,&DWP(4*(($j+1)&15),"esp"));',       # X[]+K xfer
 995
 996         '&xor   (@T[1],$a)',
 997         '&add   ($e,@T[0]);'    .'$j++; unshift(@V,pop(@V)); unshift(@T,pop(@T));'
 998         );
 999 }
1000
1001 sub bodyx_20_39 () {    # b^d^c
1002         # on start $b=b^c^d
1003         return &bodyx_40_59()   if ($rx==39);   $rx++;
1004         (
1005         '($a,$b,$c,$d,$e)=@V;'.
1006
1007         '&add   ($e,($j==19?@T[0]:$b))',
1008         '&rorx  ($b,@T[1],7);', # $b>>>2
1009         '&rorx  (@T[0],$a,5);',
1010
1011         '&xor   ($a,$b)                         if ($j<79);',
1012         '&add   ($d,&DWP(4*(($j+1)&15),"esp"))  if ($j<79);',   # X[]+K xfer
1013         '&xor   ($a,$c)                         if ($j<79);',
1014         '&add   ($e,@T[0]);'    .'$j++; unshift(@V,pop(@V)); unshift(@T,pop(@T));'
1015         );
1016 }
1017
1018 sub bodyx_40_59 () {    # ((b^c)&(c^d))^c
1019         # on start $b=((b^c)&(c^d))^c
1020         return &bodyx_20_39()   if ($rx==59);   $rx++;
1021         (
1022         '($a,$b,$c,$d,$e)=@V;'.
1023
1024         '&rorx  (@T[0],$a,5)',
1025         '&lea   ($e,&DWP(0,$e,$b))',
1026         '&rorx  ($b,@T[1],7)',  # $b>>>2
1027         '&add   ($d,&DWP(4*(($j+1)&15),"esp"))',        # X[]+K xfer
1028
1029         '&mov   (@T[1],$c)',
1030         '&xor   ($a,$b)',       # b^c for next round
1031         '&xor   (@T[1],$b)',    # c^d for next round
1032
1033         '&and   ($a,@T[1])',
1034         '&add   ($e,@T[0])',
1035         '&xor   ($a,$b)'        .'$j++; unshift(@V,pop(@V)); unshift(@T,pop(@T));'
1036         );
1037 }
1038
1039 &set_label("loop",16);
1040         &Xupdate_ssse3_16_31(\&body_00_19);
1041         &Xupdate_ssse3_16_31(\&body_00_19);
1042         &Xupdate_ssse3_16_31(\&body_00_19);
1043         &Xupdate_ssse3_16_31(\&body_00_19);
1044         &Xupdate_ssse3_32_79(\&body_00_19);
1045         &Xupdate_ssse3_32_79(\&body_20_39);
1046         &Xupdate_ssse3_32_79(\&body_20_39);
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_40_59);
1051         &Xupdate_ssse3_32_79(\&body_40_59);
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_20_39);
1056         &Xuplast_ssse3_80(\&body_20_39);        # can jump to "done"
1057
1058                                 $saved_j=$j; @saved_V=@V;
1059
1060         &Xloop_ssse3(\&body_20_39);
1061         &Xloop_ssse3(\&body_20_39);
1062         &Xloop_ssse3(\&body_20_39);
1063
1064         &mov    (@T[1],&DWP(192,"esp"));        # update context
1065         &add    ($A,&DWP(0,@T[1]));
1066         &add    (@T[0],&DWP(4,@T[1]));          # $b
1067         &add    ($C,&DWP(8,@T[1]));
1068         &mov    (&DWP(0,@T[1]),$A);
1069         &add    ($D,&DWP(12,@T[1]));
1070         &mov    (&DWP(4,@T[1]),@T[0]);
1071         &add    ($E,&DWP(16,@T[1]));
1072         &mov    (&DWP(8,@T[1]),$C);
1073         &mov    ($B,$C);
1074         &mov    (&DWP(12,@T[1]),$D);
1075         &xor    ($B,$D);
1076         &mov    (&DWP(16,@T[1]),$E);
1077         &mov    (@T[1],@T[0]);
1078         &pshufd (@X[0],@X[-4&7],0xee);          # was &movdqa   (@X[0],@X[-3&7]);
1079         &and    (@T[0],$B);
1080         &mov    ($B,$T[1]);
1081
1082         &jmp    (&label("loop"));
1083
1084 &set_label("done",16);          $j=$saved_j; @V=@saved_V;
1085
1086         &Xtail_ssse3(\&body_20_39);
1087         &Xtail_ssse3(\&body_20_39);
1088         &Xtail_ssse3(\&body_20_39);
1089
1090         &mov    (@T[1],&DWP(192,"esp"));        # update context
1091         &add    ($A,&DWP(0,@T[1]));
1092         &mov    ("esp",&DWP(192+12,"esp"));     # restore %esp
1093         &add    (@T[0],&DWP(4,@T[1]));          # $b
1094         &add    ($C,&DWP(8,@T[1]));
1095         &mov    (&DWP(0,@T[1]),$A);
1096         &add    ($D,&DWP(12,@T[1]));
1097         &mov    (&DWP(4,@T[1]),@T[0]);
1098         &add    ($E,&DWP(16,@T[1]));
1099         &mov    (&DWP(8,@T[1]),$C);
1100         &mov    (&DWP(12,@T[1]),$D);
1101         &mov    (&DWP(16,@T[1]),$E);
1102
1103 &function_end("_sha1_block_data_order_ssse3");
1104
1105 $rx=0;  # reset
1106
1107 if ($ymm) {
1108 my $Xi=4;                       # 4xSIMD Xupdate round, start pre-seeded
1109 my @X=map("xmm$_",(4..7,0..3)); # pre-seeded for $Xi=4
1110 my @V=($A,$B,$C,$D,$E);
1111 my $j=0;                        # hash round
1112 my @T=($T,$tmp1);
1113 my $inp;
1114
1115 my $_rol=sub { &shld(@_[0],@_) };
1116 my $_ror=sub { &shrd(@_[0],@_) };
1117
1118 &function_begin("_sha1_block_data_order_avx");
1119         &call   (&label("pic_point"));  # make it PIC!
1120         &set_label("pic_point");
1121         &blindpop($tmp1);
1122         &lea    ($tmp1,&DWP(&label("K_XX_XX")."-".&label("pic_point"),$tmp1));
1123 &set_label("avx_shortcut");
1124         &vzeroall();
1125
1126         &vmovdqa(@X[3],&QWP(0,$tmp1));          # K_00_19
1127         &vmovdqa(@X[4],&QWP(16,$tmp1));         # K_20_39
1128         &vmovdqa(@X[5],&QWP(32,$tmp1));         # K_40_59
1129         &vmovdqa(@X[6],&QWP(48,$tmp1));         # K_60_79
1130         &vmovdqa(@X[2],&QWP(64,$tmp1));         # pbswap mask
1131
1132         &mov    ($E,&wparam(0));                # load argument block
1133         &mov    ($inp=@T[1],&wparam(1));
1134         &mov    ($D,&wparam(2));
1135         &mov    (@T[0],"esp");
1136
1137         # stack frame layout
1138         #
1139         # +0    X[0]+K  X[1]+K  X[2]+K  X[3]+K  # XMM->IALU xfer area
1140         #       X[4]+K  X[5]+K  X[6]+K  X[7]+K
1141         #       X[8]+K  X[9]+K  X[10]+K X[11]+K
1142         #       X[12]+K X[13]+K X[14]+K X[15]+K
1143         #
1144         # +64   X[0]    X[1]    X[2]    X[3]    # XMM->XMM backtrace area
1145         #       X[4]    X[5]    X[6]    X[7]
1146         #       X[8]    X[9]    X[10]   X[11]   # even borrowed for K_00_19
1147         #
1148         # +112  K_20_39 K_20_39 K_20_39 K_20_39 # constants
1149         #       K_40_59 K_40_59 K_40_59 K_40_59
1150         #       K_60_79 K_60_79 K_60_79 K_60_79
1151         #       K_00_19 K_00_19 K_00_19 K_00_19
1152         #       pbswap mask
1153         #
1154         # +192  ctx                             # argument block
1155         # +196  inp
1156         # +200  end
1157         # +204  esp
1158         &sub    ("esp",208);
1159         &and    ("esp",-64);
1160
1161         &vmovdqa(&QWP(112+0,"esp"),@X[4]);      # copy constants
1162         &vmovdqa(&QWP(112+16,"esp"),@X[5]);
1163         &vmovdqa(&QWP(112+32,"esp"),@X[6]);
1164         &shl    ($D,6);                         # len*64
1165         &vmovdqa(&QWP(112+48,"esp"),@X[3]);
1166         &add    ($D,$inp);                      # end of input
1167         &vmovdqa(&QWP(112+64,"esp"),@X[2]);
1168         &add    ($inp,64);
1169         &mov    (&DWP(192+0,"esp"),$E);         # save argument block
1170         &mov    (&DWP(192+4,"esp"),$inp);
1171         &mov    (&DWP(192+8,"esp"),$D);
1172         &mov    (&DWP(192+12,"esp"),@T[0]);     # save original %esp
1173
1174         &mov    ($A,&DWP(0,$E));                # load context
1175         &mov    ($B,&DWP(4,$E));
1176         &mov    ($C,&DWP(8,$E));
1177         &mov    ($D,&DWP(12,$E));
1178         &mov    ($E,&DWP(16,$E));
1179         &mov    (@T[0],$B);                     # magic seed
1180
1181         &vmovdqu(@X[-4&7],&QWP(-64,$inp));      # load input to %xmm[0-3]
1182         &vmovdqu(@X[-3&7],&QWP(-48,$inp));
1183         &vmovdqu(@X[-2&7],&QWP(-32,$inp));
1184         &vmovdqu(@X[-1&7],&QWP(-16,$inp));
1185         &vpshufb(@X[-4&7],@X[-4&7],@X[2]);      # byte swap
1186         &vpshufb(@X[-3&7],@X[-3&7],@X[2]);
1187         &vpshufb(@X[-2&7],@X[-2&7],@X[2]);
1188         &vmovdqa(&QWP(112-16,"esp"),@X[3]);     # borrow last backtrace slot
1189         &vpshufb(@X[-1&7],@X[-1&7],@X[2]);
1190         &vpaddd (@X[0],@X[-4&7],@X[3]);         # add K_00_19
1191         &vpaddd (@X[1],@X[-3&7],@X[3]);
1192         &vpaddd (@X[2],@X[-2&7],@X[3]);
1193         &vmovdqa(&QWP(0,"esp"),@X[0]);          # X[]+K xfer to IALU
1194         &mov    (@T[1],$C);
1195         &vmovdqa(&QWP(0+16,"esp"),@X[1]);
1196         &xor    (@T[1],$D);
1197         &vmovdqa(&QWP(0+32,"esp"),@X[2]);
1198         &and    (@T[0],@T[1]);
1199         &jmp    (&label("loop"));
1200
1201 sub Xupdate_avx_16_31()         # recall that $Xi starts with 4
1202 { use integer;
1203   my $body = shift;
1204   my @insns = (&$body,&$body,&$body,&$body);    # 40 instructions
1205   my ($a,$b,$c,$d,$e);
1206
1207          eval(shift(@insns));
1208          eval(shift(@insns));
1209         &vpalignr(@X[0],@X[-3&7],@X[-4&7],8);   # compose "X[-14]" in "X[0]"
1210          eval(shift(@insns));
1211          eval(shift(@insns));
1212
1213           &vpaddd       (@X[3],@X[3],@X[-1&7]);
1214           &vmovdqa      (&QWP(64+16*(($Xi-4)%3),"esp"),@X[-4&7]);# save X[] to backtrace buffer
1215          eval(shift(@insns));
1216          eval(shift(@insns));
1217         &vpsrldq(@X[2],@X[-1&7],4);             # "X[-3]", 3 dwords
1218          eval(shift(@insns));
1219          eval(shift(@insns));
1220         &vpxor  (@X[0],@X[0],@X[-4&7]);         # "X[0]"^="X[-16]"
1221          eval(shift(@insns));
1222          eval(shift(@insns));
1223
1224         &vpxor  (@X[2],@X[2],@X[-2&7]);         # "X[-3]"^"X[-8]"
1225          eval(shift(@insns));
1226          eval(shift(@insns));
1227           &vmovdqa      (&QWP(0+16*(($Xi-1)&3),"esp"),@X[3]);   # X[]+K xfer to IALU
1228          eval(shift(@insns));
1229          eval(shift(@insns));
1230
1231         &vpxor  (@X[0],@X[0],@X[2]);            # "X[0]"^="X[-3]"^"X[-8]"
1232          eval(shift(@insns));
1233          eval(shift(@insns));
1234          eval(shift(@insns));
1235          eval(shift(@insns));
1236
1237         &vpsrld (@X[2],@X[0],31);
1238          eval(shift(@insns));
1239          eval(shift(@insns));
1240          eval(shift(@insns));
1241          eval(shift(@insns));
1242
1243         &vpslldq(@X[4],@X[0],12);               # "X[0]"<<96, extract one dword
1244         &vpaddd (@X[0],@X[0],@X[0]);
1245          eval(shift(@insns));
1246          eval(shift(@insns));
1247          eval(shift(@insns));
1248          eval(shift(@insns));
1249
1250         &vpsrld (@X[3],@X[4],30);
1251         &vpor   (@X[0],@X[0],@X[2]);            # "X[0]"<<<=1
1252          eval(shift(@insns));
1253          eval(shift(@insns));
1254          eval(shift(@insns));
1255          eval(shift(@insns));
1256
1257         &vpslld (@X[4],@X[4],2);
1258           &vmovdqa      (@X[2],&QWP(64+16*(($Xi-6)%3),"esp")) if ($Xi>5);       # restore X[] from backtrace buffer
1259          eval(shift(@insns));
1260          eval(shift(@insns));
1261         &vpxor  (@X[0],@X[0],@X[3]);
1262          eval(shift(@insns));
1263          eval(shift(@insns));
1264          eval(shift(@insns));
1265          eval(shift(@insns));
1266
1267         &vpxor  (@X[0],@X[0],@X[4]);            # "X[0]"^=("X[0]"<<96)<<<2
1268          eval(shift(@insns));
1269          eval(shift(@insns));
1270           &vmovdqa      (@X[4],&QWP(112-16+16*(($Xi)/5),"esp"));        # K_XX_XX
1271          eval(shift(@insns));
1272          eval(shift(@insns));
1273
1274          foreach (@insns) { eval; }     # remaining instructions [if any]
1275
1276   $Xi++;        push(@X,shift(@X));     # "rotate" X[]
1277 }
1278
1279 sub Xupdate_avx_32_79()
1280 { use integer;
1281   my $body = shift;
1282   my @insns = (&$body,&$body,&$body,&$body);    # 32 to 44 instructions
1283   my ($a,$b,$c,$d,$e);
1284
1285         &vpalignr(@X[2],@X[-1&7],@X[-2&7],8);   # compose "X[-6]"
1286         &vpxor  (@X[0],@X[0],@X[-4&7]); # "X[0]"="X[-32]"^"X[-16]"
1287          eval(shift(@insns));           # body_20_39
1288          eval(shift(@insns));
1289          eval(shift(@insns));
1290          eval(shift(@insns));           # rol
1291
1292         &vpxor  (@X[0],@X[0],@X[-7&7]); # "X[0]"^="X[-28]"
1293           &vmovdqa      (&QWP(64+16*(($Xi-4)%3),"esp"),@X[-4&7]);       # save X[] to backtrace buffer
1294          eval(shift(@insns));
1295          eval(shift(@insns));
1296          if ($Xi%5) {
1297           &vmovdqa      (@X[4],@X[3]);  # "perpetuate" K_XX_XX...
1298          } else {                       # ... or load next one
1299           &vmovdqa      (@X[4],&QWP(112-16+16*($Xi/5),"esp"));
1300          }
1301           &vpaddd       (@X[3],@X[3],@X[-1&7]);
1302          eval(shift(@insns));           # ror
1303          eval(shift(@insns));
1304
1305         &vpxor  (@X[0],@X[0],@X[2]);            # "X[0]"^="X[-6]"
1306          eval(shift(@insns));           # body_20_39
1307          eval(shift(@insns));
1308          eval(shift(@insns));
1309          eval(shift(@insns));           # rol
1310
1311         &vpsrld (@X[2],@X[0],30);
1312           &vmovdqa      (&QWP(0+16*(($Xi-1)&3),"esp"),@X[3]);   # X[]+K xfer to IALU
1313          eval(shift(@insns));
1314          eval(shift(@insns));
1315          eval(shift(@insns));           # ror
1316          eval(shift(@insns));
1317
1318         &vpslld (@X[0],@X[0],2);
1319          eval(shift(@insns));           # body_20_39
1320          eval(shift(@insns));
1321          eval(shift(@insns));
1322          eval(shift(@insns));           # rol
1323          eval(shift(@insns));
1324          eval(shift(@insns));
1325          eval(shift(@insns));           # ror
1326          eval(shift(@insns));
1327
1328         &vpor   (@X[0],@X[0],@X[2]);    # "X[0]"<<<=2
1329          eval(shift(@insns));           # body_20_39
1330          eval(shift(@insns));
1331           &vmovdqa      (@X[2],&QWP(64+16*(($Xi-6)%3),"esp")) if($Xi<19);       # restore X[] from backtrace buffer
1332          eval(shift(@insns));
1333          eval(shift(@insns));           # rol
1334          eval(shift(@insns));
1335          eval(shift(@insns));
1336          eval(shift(@insns));           # ror
1337          eval(shift(@insns));
1338
1339          foreach (@insns) { eval; }     # remaining instructions
1340
1341   $Xi++;        push(@X,shift(@X));     # "rotate" X[]
1342 }
1343
1344 sub Xuplast_avx_80()
1345 { use integer;
1346   my $body = shift;
1347   my @insns = (&$body,&$body,&$body,&$body);    # 32 instructions
1348   my ($a,$b,$c,$d,$e);
1349
1350          eval(shift(@insns));
1351           &vpaddd       (@X[3],@X[3],@X[-1&7]);
1352          eval(shift(@insns));
1353          eval(shift(@insns));
1354          eval(shift(@insns));
1355          eval(shift(@insns));
1356
1357           &vmovdqa      (&QWP(0+16*(($Xi-1)&3),"esp"),@X[3]);   # X[]+K xfer IALU
1358
1359          foreach (@insns) { eval; }             # remaining instructions
1360
1361         &mov    ($inp=@T[1],&DWP(192+4,"esp"));
1362         &cmp    ($inp,&DWP(192+8,"esp"));
1363         &je     (&label("done"));
1364
1365         &vmovdqa(@X[3],&QWP(112+48,"esp"));     # K_00_19
1366         &vmovdqa(@X[2],&QWP(112+64,"esp"));     # pbswap mask
1367         &vmovdqu(@X[-4&7],&QWP(0,$inp));        # load input
1368         &vmovdqu(@X[-3&7],&QWP(16,$inp));
1369         &vmovdqu(@X[-2&7],&QWP(32,$inp));
1370         &vmovdqu(@X[-1&7],&QWP(48,$inp));
1371         &add    ($inp,64);
1372         &vpshufb(@X[-4&7],@X[-4&7],@X[2]);              # byte swap
1373         &mov    (&DWP(192+4,"esp"),$inp);
1374         &vmovdqa(&QWP(112-16,"esp"),@X[3]);     # borrow last backtrace slot
1375
1376   $Xi=0;
1377 }
1378
1379 sub Xloop_avx()
1380 { use integer;
1381   my $body = shift;
1382   my @insns = (&$body,&$body,&$body,&$body);    # 32 instructions
1383   my ($a,$b,$c,$d,$e);
1384
1385          eval(shift(@insns));
1386          eval(shift(@insns));
1387         &vpshufb        (@X[($Xi-3)&7],@X[($Xi-3)&7],@X[2]);
1388          eval(shift(@insns));
1389          eval(shift(@insns));
1390         &vpaddd (@X[$Xi&7],@X[($Xi-4)&7],@X[3]);
1391          eval(shift(@insns));
1392          eval(shift(@insns));
1393          eval(shift(@insns));
1394          eval(shift(@insns));
1395         &vmovdqa        (&QWP(0+16*$Xi,"esp"),@X[$Xi&7]);       # X[]+K xfer to IALU
1396          eval(shift(@insns));
1397          eval(shift(@insns));
1398
1399         foreach (@insns) { eval; }
1400   $Xi++;
1401 }
1402
1403 sub Xtail_avx()
1404 { use integer;
1405   my $body = shift;
1406   my @insns = (&$body,&$body,&$body,&$body);    # 32 instructions
1407   my ($a,$b,$c,$d,$e);
1408
1409         foreach (@insns) { eval; }
1410 }
1411
1412 &set_label("loop",16);
1413         &Xupdate_avx_16_31(\&body_00_19);
1414         &Xupdate_avx_16_31(\&body_00_19);
1415         &Xupdate_avx_16_31(\&body_00_19);
1416         &Xupdate_avx_16_31(\&body_00_19);
1417         &Xupdate_avx_32_79(\&body_00_19);
1418         &Xupdate_avx_32_79(\&body_20_39);
1419         &Xupdate_avx_32_79(\&body_20_39);
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_40_59);
1424         &Xupdate_avx_32_79(\&body_40_59);
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_20_39);
1429         &Xuplast_avx_80(\&body_20_39);  # can jump to "done"
1430
1431                                 $saved_j=$j; @saved_V=@V;
1432
1433         &Xloop_avx(\&body_20_39);
1434         &Xloop_avx(\&body_20_39);
1435         &Xloop_avx(\&body_20_39);
1436
1437         &mov    (@T[1],&DWP(192,"esp"));        # update context
1438         &add    ($A,&DWP(0,@T[1]));
1439         &add    (@T[0],&DWP(4,@T[1]));          # $b
1440         &add    ($C,&DWP(8,@T[1]));
1441         &mov    (&DWP(0,@T[1]),$A);
1442         &add    ($D,&DWP(12,@T[1]));
1443         &mov    (&DWP(4,@T[1]),@T[0]);
1444         &add    ($E,&DWP(16,@T[1]));
1445         &mov    ($B,$C);
1446         &mov    (&DWP(8,@T[1]),$C);
1447         &xor    ($B,$D);
1448         &mov    (&DWP(12,@T[1]),$D);
1449         &mov    (&DWP(16,@T[1]),$E);
1450         &mov    (@T[1],@T[0]);
1451         &and    (@T[0],$B);
1452         &mov    ($B,@T[1]);
1453
1454         &jmp    (&label("loop"));
1455
1456 &set_label("done",16);          $j=$saved_j; @V=@saved_V;
1457
1458         &Xtail_avx(\&body_20_39);
1459         &Xtail_avx(\&body_20_39);
1460         &Xtail_avx(\&body_20_39);
1461
1462         &vzeroall();
1463
1464         &mov    (@T[1],&DWP(192,"esp"));        # update context
1465         &add    ($A,&DWP(0,@T[1]));
1466         &mov    ("esp",&DWP(192+12,"esp"));     # restore %esp
1467         &add    (@T[0],&DWP(4,@T[1]));          # $b
1468         &add    ($C,&DWP(8,@T[1]));
1469         &mov    (&DWP(0,@T[1]),$A);
1470         &add    ($D,&DWP(12,@T[1]));
1471         &mov    (&DWP(4,@T[1]),@T[0]);
1472         &add    ($E,&DWP(16,@T[1]));
1473         &mov    (&DWP(8,@T[1]),$C);
1474         &mov    (&DWP(12,@T[1]),$D);
1475         &mov    (&DWP(16,@T[1]),$E);
1476 &function_end("_sha1_block_data_order_avx");
1477 }
1478 &set_label("K_XX_XX",64);
1479 &data_word(0x5a827999,0x5a827999,0x5a827999,0x5a827999);        # K_00_19
1480 &data_word(0x6ed9eba1,0x6ed9eba1,0x6ed9eba1,0x6ed9eba1);        # K_20_39
1481 &data_word(0x8f1bbcdc,0x8f1bbcdc,0x8f1bbcdc,0x8f1bbcdc);        # K_40_59
1482 &data_word(0xca62c1d6,0xca62c1d6,0xca62c1d6,0xca62c1d6);        # K_60_79
1483 &data_word(0x00010203,0x04050607,0x08090a0b,0x0c0d0e0f);        # pbswap mask
1484 &data_byte(0xf,0xe,0xd,0xc,0xb,0xa,0x9,0x8,0x7,0x6,0x5,0x4,0x3,0x2,0x1,0x0);
1485 }
1486 &asciz("SHA1 block transform for x86, CRYPTOGAMS by <appro\@openssl.org>");
1487
1488 &asm_finish();
1489
1490 close STDOUT or die "error closing STDOUT: $!";