crypto/sha/asm/sha1-586.pl

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