sha/asm/sha1-ppc.pl: add little-endian support.
[openssl.git] / crypto / sha / asm / sha512-ia64.pl
index 9de91749923f91a8b0e185da498e20adcfa7eadc..59f889a095941a5481471bc691498e4450494aa4 100755 (executable)
@@ -1,9 +1,10 @@
 #!/usr/bin/env perl
 #
 # ====================================================================
-# Written by Andy Polyakov <appro@fy.chalmers.se> for the OpenSSL
-# project. Rights for redistribution and usage in source and binary
-# forms are granted according to the OpenSSL license.
+# Written by Andy Polyakov <appro@openssl.org> for the OpenSSL
+# project. The module is, however, dual licensed under OpenSSL and
+# CRYPTOGAMS licenses depending on where you obtain it. For further
+# details see http://www.openssl.org/~appro/cryptogams/.
 # ====================================================================
 #
 # SHA256/512_Transform for Itanium.
 #     because on Itanium 1 stall on MM result is accompanied by
 #     pipeline flush, which takes 6 cycles:-(
 #
-# Resulting performance numbers for 900MHz Itanium 2 system:
+# June 2012
 #
-# The 'numbers' are in 1000s of bytes per second processed.
-# type     16 bytes    64 bytes   256 bytes  1024 bytes  8192 bytes
-# sha1(*)   6210.14k   20376.30k   52447.83k   85870.05k  105478.12k
-# sha256    7476.45k   20572.05k   41538.34k   56062.29k   62093.18k
-# sha512    4996.56k   20026.28k   47597.20k   85278.79k  111501.31k
+# Improve performance by 15-20%. Note about "rules of engagement"
+# above. Contemporary cores are equipped with additional shifter,
+# so that they should perform even better than below, presumably
+# by ~10%.
 #
-# (*) SHA1 numbers are for HP-UX compiler and are presented purely
-#     for reference purposes. I bet it can improved too...
+######################################################################
+# Current performance in cycles per processed byte for Itanium 2
+# pre-9000 series [little-endian] system:
+#
+# SHA1(*)      5.7
+# SHA256       12.6
+# SHA512       6.7
+#
+# (*) SHA1 result is presented purely for reference purposes.
 #
 # To generate code, pass the file name with either 256 or 512 in its
 # name and compiler flags.
@@ -71,7 +78,7 @@ if ($output =~ /512.*\.[s|asm]/) {
        $ADD="add";
        $SHRU="shr.u";
        $TABLE="K512";
-       $func="sha512_block";
+       $func="sha512_block_data_order";
        @Sigma0=(28,34,39);
        @Sigma1=(14,18,41);
        @sigma0=(1,  8, 7);
@@ -85,7 +92,7 @@ if ($output =~ /512.*\.[s|asm]/) {
        $ADD="padd4";
        $SHRU="pshr4.u";
        $TABLE="K256";
-       $func="sha256_block";
+       $func="sha256_block_data_order";
        @Sigma0=( 2,13,22);
        @Sigma1=( 6,11,25);
        @sigma0=( 7,18, 3);
@@ -105,263 +112,508 @@ if (!defined($big_endian))
              { $big_endian=(unpack('L',pack('N',1))==1);  }
 
 $code=<<___;
-.ident  \"$output, version 1.0\"
-.ident  \"IA-64 ISA artwork by Andy Polyakov <appro\@fy.chalmers.se>\"
+.ident  \"$output, version 2.0\"
+.ident  \"IA-64 ISA artwork by Andy Polyakov <appro\@openssl.org>\"
 .explicit
 .text
 
+pfssave=r2;
+lcsave=r3;
 prsave=r14;
 K=r15;
-A=r16; B=r17;  C=r18;  D=r19;
-E=r20; F=r21;  G=r22;  H=r23;
+A_=r16; B_=r17; C_=r18; D_=r19;
+E_=r20; F_=r21; G_=r22; H_=r23;
 T1=r24;        T2=r25;
 s0=r26;        s1=r27; t0=r28; t1=r29;
 Ktbl=r30;
 ctx=r31;       // 1st arg
-input=r48;     // 2nd arg
-num=r49;       // 3rd arg
-sgm0=r50;      sgm1=r51;       // small constants
+input=r56;     // 2nd arg
+num=r57;       // 3rd arg
+sgm0=r58;      sgm1=r59;       // small constants
 
 // void $func (SHA_CTX *ctx, const void *in,size_t num[,int host])
 .global        $func#
 .proc  $func#
 .align 32
+.skip  16
 $func:
        .prologue
-       .save   ar.pfs,r2
-{ .mmi;        alloc   r2=ar.pfs,3,17,0,16
+       .save   ar.pfs,pfssave
+{ .mmi;        alloc   pfssave=ar.pfs,3,25,0,24
        $ADDP   ctx=0,r32               // 1st arg
-       .save   ar.lc,r3
-       mov     r3=ar.lc        }
+       .save   ar.lc,lcsave
+       mov     lcsave=ar.lc    }
 { .mmi;        $ADDP   input=0,r33             // 2nd arg
-       addl    Ktbl=\@ltoff($TABLE#),gp
+       mov     num=r34                 // 3rd arg
        .save   pr,prsave
        mov     prsave=pr       };;
 
        .body
-{ .mii;        ld8     Ktbl=[Ktbl]
-       mov     num=r34         };;     // 3rd arg
-
 { .mib;        add     r8=0*$SZ,ctx
-       add     r9=1*$SZ,ctx
-       brp.loop.imp    .L_first16,.L_first16_ctop
-                               }
+       add     r9=1*$SZ,ctx    }
 { .mib;        add     r10=2*$SZ,ctx
-       add     r11=3*$SZ,ctx
-       brp.loop.imp    .L_rest,.L_rest_ctop
-                               };;
-// load A-H
-{ .mmi;        $LDW    A=[r8],4*$SZ
-       $LDW    B=[r9],4*$SZ
-       mov     sgm0=$sigma0[2] }
-{ .mmi;        $LDW    C=[r10],4*$SZ
-       $LDW    D=[r11],4*$SZ
-       mov     sgm1=$sigma1[2] };;
-{ .mmi;        $LDW    E=[r8]
-       $LDW    F=[r9]          }
-{ .mmi;        $LDW    G=[r10]
-       $LDW    H=[r11]
-       cmp.ne  p15,p14=0,r35   };;     // used in sha256_block
+       add     r11=3*$SZ,ctx   };;
 
+// load A-H
+.Lpic_point:
+{ .mmi;        $LDW    A_=[r8],4*$SZ
+       $LDW    B_=[r9],4*$SZ
+       mov     Ktbl=ip         }
+{ .mmi;        $LDW    C_=[r10],4*$SZ
+       $LDW    D_=[r11],4*$SZ
+       mov     sgm0=$sigma0[2] };;
+{ .mmi;        $LDW    E_=[r8]
+       $LDW    F_=[r9]
+       add     Ktbl=($TABLE#-.Lpic_point),Ktbl         }
+{ .mmi;        $LDW    G_=[r10]
+       $LDW    H_=[r11]
+       cmp.ne  p0,p16=0,r0     };;
+___
+$code.=<<___ if ($BITS==64);
+{ .mii;        and     r8=7,input
+       and     input=~7,input;;
+       cmp.eq  p9,p0=1,r8      }
+{ .mmi;        cmp.eq  p10,p0=2,r8
+       cmp.eq  p11,p0=3,r8
+       cmp.eq  p12,p0=4,r8     }
+{ .mmi;        cmp.eq  p13,p0=5,r8
+       cmp.eq  p14,p0=6,r8
+       cmp.eq  p15,p0=7,r8     };;
+___
+$code.=<<___;
 .L_outer:
-{ .mii;        mov     ar.lc=15
-       mov     ar.ec=1         };;
+.rotr  R[8],X[16]
+A=R[0]; B=R[1]; C=R[2]; D=R[3]; E=R[4]; F=R[5]; G=R[6]; H=R[7]
+{ .mmi;        ld1     X[15]=[input],$SZ               // eliminated in sha512
+       mov     A=A_
+       mov     ar.lc=14        }
+{ .mmi;        mov     B=B_
+       mov     C=C_
+       mov     D=D_            }
+{ .mmi;        mov     E=E_
+       mov     F=F_
+       mov     ar.ec=2         };;
+{ .mmi;        mov     G=G_
+       mov     H=H_
+       mov     sgm1=$sigma1[2] }
+{ .mib;        mov     r8=0
+       add     r9=1-$SZ,input
+       brp.loop.imp    .L_first16,.L_first16_end-16    };;
+___
+$t0="A", $t1="E", $code.=<<___ if ($BITS==64);
+// in sha512 case I load whole X[16] at once and take care of alignment...
+{ .mmi;        add     r8=1*$SZ,input
+       add     r9=2*$SZ,input
+       add     r10=3*$SZ,input         };;
+{ .mmb;        $LDW    X[15]=[input],4*$SZ
+       $LDW    X[14]=[r8],4*$SZ
+(p9)   br.cond.dpnt.many       .L1byte };;
+{ .mmb;        $LDW    X[13]=[r9],4*$SZ
+       $LDW    X[12]=[r10],4*$SZ
+(p10)  br.cond.dpnt.many       .L2byte };;
+{ .mmb;        $LDW    X[11]=[input],4*$SZ
+       $LDW    X[10]=[r8],4*$SZ
+(p11)  br.cond.dpnt.many       .L3byte };;
+{ .mmb;        $LDW    X[ 9]=[r9],4*$SZ
+       $LDW    X[ 8]=[r10],4*$SZ
+(p12)  br.cond.dpnt.many       .L4byte };;
+{ .mmb;        $LDW    X[ 7]=[input],4*$SZ
+       $LDW    X[ 6]=[r8],4*$SZ
+(p13)  br.cond.dpnt.many       .L5byte };;
+{ .mmb;        $LDW    X[ 5]=[r9],4*$SZ
+       $LDW    X[ 4]=[r10],4*$SZ
+(p14)  br.cond.dpnt.many       .L6byte };;
+{ .mmb;        $LDW    X[ 3]=[input],4*$SZ
+       $LDW    X[ 2]=[r8],4*$SZ
+(p15)  br.cond.dpnt.many       .L7byte };;
+{ .mmb;        $LDW    X[ 1]=[r9],4*$SZ
+       $LDW    X[ 0]=[r10],4*$SZ       }
+{ .mib;        mov     r8=0
+       mux1    X[15]=X[15],\@rev               // eliminated on big-endian
+       br.many .L_first16              };;
+.L1byte:
+{ .mmi;        $LDW    X[13]=[r9],4*$SZ
+       $LDW    X[12]=[r10],4*$SZ
+       shrp    X[15]=X[15],X[14],56    };;
+{ .mmi;        $LDW    X[11]=[input],4*$SZ
+       $LDW    X[10]=[r8],4*$SZ
+       shrp    X[14]=X[14],X[13],56    }
+{ .mmi;        $LDW    X[ 9]=[r9],4*$SZ
+       $LDW    X[ 8]=[r10],4*$SZ
+       shrp    X[13]=X[13],X[12],56    };;
+{ .mmi;        $LDW    X[ 7]=[input],4*$SZ
+       $LDW    X[ 6]=[r8],4*$SZ
+       shrp    X[12]=X[12],X[11],56    }
+{ .mmi;        $LDW    X[ 5]=[r9],4*$SZ
+       $LDW    X[ 4]=[r10],4*$SZ
+       shrp    X[11]=X[11],X[10],56    };;
+{ .mmi;        $LDW    X[ 3]=[input],4*$SZ
+       $LDW    X[ 2]=[r8],4*$SZ
+       shrp    X[10]=X[10],X[ 9],56    }
+{ .mmi;        $LDW    X[ 1]=[r9],4*$SZ
+       $LDW    X[ 0]=[r10],4*$SZ
+       shrp    X[ 9]=X[ 9],X[ 8],56    };;
+{ .mii;        $LDW    T1=[input]
+       shrp    X[ 8]=X[ 8],X[ 7],56
+       shrp    X[ 7]=X[ 7],X[ 6],56    }
+{ .mii;        shrp    X[ 6]=X[ 6],X[ 5],56
+       shrp    X[ 5]=X[ 5],X[ 4],56    };;
+{ .mii;        shrp    X[ 4]=X[ 4],X[ 3],56
+       shrp    X[ 3]=X[ 3],X[ 2],56    }
+{ .mii;        shrp    X[ 2]=X[ 2],X[ 1],56
+       shrp    X[ 1]=X[ 1],X[ 0],56    }
+{ .mib;        shrp    X[ 0]=X[ 0],T1,56       }
+{ .mib;        mov     r8=0
+       mux1    X[15]=X[15],\@rev               // eliminated on big-endian
+       br.many .L_first16              };;
+.L2byte:
+{ .mmi;        $LDW    X[11]=[input],4*$SZ
+       $LDW    X[10]=[r8],4*$SZ
+       shrp    X[15]=X[15],X[14],48    }
+{ .mmi;        $LDW    X[ 9]=[r9],4*$SZ
+       $LDW    X[ 8]=[r10],4*$SZ
+       shrp    X[14]=X[14],X[13],48    };;
+{ .mmi;        $LDW    X[ 7]=[input],4*$SZ
+       $LDW    X[ 6]=[r8],4*$SZ
+       shrp    X[13]=X[13],X[12],48    }
+{ .mmi;        $LDW    X[ 5]=[r9],4*$SZ
+       $LDW    X[ 4]=[r10],4*$SZ
+       shrp    X[12]=X[12],X[11],48    };;
+{ .mmi;        $LDW    X[ 3]=[input],4*$SZ
+       $LDW    X[ 2]=[r8],4*$SZ
+       shrp    X[11]=X[11],X[10],48    }
+{ .mmi;        $LDW    X[ 1]=[r9],4*$SZ
+       $LDW    X[ 0]=[r10],4*$SZ
+       shrp    X[10]=X[10],X[ 9],48    };;
+{ .mii;        $LDW    T1=[input]
+       shrp    X[ 9]=X[ 9],X[ 8],48
+       shrp    X[ 8]=X[ 8],X[ 7],48    }
+{ .mii;        shrp    X[ 7]=X[ 7],X[ 6],48
+       shrp    X[ 6]=X[ 6],X[ 5],48    };;
+{ .mii;        shrp    X[ 5]=X[ 5],X[ 4],48
+       shrp    X[ 4]=X[ 4],X[ 3],48    }
+{ .mii;        shrp    X[ 3]=X[ 3],X[ 2],48
+       shrp    X[ 2]=X[ 2],X[ 1],48    }
+{ .mii;        shrp    X[ 1]=X[ 1],X[ 0],48
+       shrp    X[ 0]=X[ 0],T1,48       }
+{ .mib;        mov     r8=0
+       mux1    X[15]=X[15],\@rev               // eliminated on big-endian
+       br.many .L_first16              };;
+.L3byte:
+{ .mmi;        $LDW    X[ 9]=[r9],4*$SZ
+       $LDW    X[ 8]=[r10],4*$SZ
+       shrp    X[15]=X[15],X[14],40    };;
+{ .mmi;        $LDW    X[ 7]=[input],4*$SZ
+       $LDW    X[ 6]=[r8],4*$SZ
+       shrp    X[14]=X[14],X[13],40    }
+{ .mmi;        $LDW    X[ 5]=[r9],4*$SZ
+       $LDW    X[ 4]=[r10],4*$SZ
+       shrp    X[13]=X[13],X[12],40    };;
+{ .mmi;        $LDW    X[ 3]=[input],4*$SZ
+       $LDW    X[ 2]=[r8],4*$SZ
+       shrp    X[12]=X[12],X[11],40    }
+{ .mmi;        $LDW    X[ 1]=[r9],4*$SZ
+       $LDW    X[ 0]=[r10],4*$SZ
+       shrp    X[11]=X[11],X[10],40    };;
+{ .mii;        $LDW    T1=[input]
+       shrp    X[10]=X[10],X[ 9],40
+       shrp    X[ 9]=X[ 9],X[ 8],40    }
+{ .mii;        shrp    X[ 8]=X[ 8],X[ 7],40
+       shrp    X[ 7]=X[ 7],X[ 6],40    };;
+{ .mii;        shrp    X[ 6]=X[ 6],X[ 5],40
+       shrp    X[ 5]=X[ 5],X[ 4],40    }
+{ .mii;        shrp    X[ 4]=X[ 4],X[ 3],40
+       shrp    X[ 3]=X[ 3],X[ 2],40    }
+{ .mii;        shrp    X[ 2]=X[ 2],X[ 1],40
+       shrp    X[ 1]=X[ 1],X[ 0],40    }
+{ .mib;        shrp    X[ 0]=X[ 0],T1,40       }
+{ .mib;        mov     r8=0
+       mux1    X[15]=X[15],\@rev               // eliminated on big-endian
+       br.many .L_first16              };;
+.L4byte:
+{ .mmi;        $LDW    X[ 7]=[input],4*$SZ
+       $LDW    X[ 6]=[r8],4*$SZ
+       shrp    X[15]=X[15],X[14],32    }
+{ .mmi;        $LDW    X[ 5]=[r9],4*$SZ
+       $LDW    X[ 4]=[r10],4*$SZ
+       shrp    X[14]=X[14],X[13],32    };;
+{ .mmi;        $LDW    X[ 3]=[input],4*$SZ
+       $LDW    X[ 2]=[r8],4*$SZ
+       shrp    X[13]=X[13],X[12],32    }
+{ .mmi;        $LDW    X[ 1]=[r9],4*$SZ
+       $LDW    X[ 0]=[r10],4*$SZ
+       shrp    X[12]=X[12],X[11],32    };;
+{ .mii;        $LDW    T1=[input]
+       shrp    X[11]=X[11],X[10],32
+       shrp    X[10]=X[10],X[ 9],32    }
+{ .mii;        shrp    X[ 9]=X[ 9],X[ 8],32
+       shrp    X[ 8]=X[ 8],X[ 7],32    };;
+{ .mii;        shrp    X[ 7]=X[ 7],X[ 6],32
+       shrp    X[ 6]=X[ 6],X[ 5],32    }
+{ .mii;        shrp    X[ 5]=X[ 5],X[ 4],32
+       shrp    X[ 4]=X[ 4],X[ 3],32    }
+{ .mii;        shrp    X[ 3]=X[ 3],X[ 2],32
+       shrp    X[ 2]=X[ 2],X[ 1],32    }
+{ .mii;        shrp    X[ 1]=X[ 1],X[ 0],32
+       shrp    X[ 0]=X[ 0],T1,32       }
+{ .mib;        mov     r8=0
+       mux1    X[15]=X[15],\@rev               // eliminated on big-endian
+       br.many .L_first16              };;
+.L5byte:
+{ .mmi;        $LDW    X[ 5]=[r9],4*$SZ
+       $LDW    X[ 4]=[r10],4*$SZ
+       shrp    X[15]=X[15],X[14],24    };;
+{ .mmi;        $LDW    X[ 3]=[input],4*$SZ
+       $LDW    X[ 2]=[r8],4*$SZ
+       shrp    X[14]=X[14],X[13],24    }
+{ .mmi;        $LDW    X[ 1]=[r9],4*$SZ
+       $LDW    X[ 0]=[r10],4*$SZ
+       shrp    X[13]=X[13],X[12],24    };;
+{ .mii;        $LDW    T1=[input]
+       shrp    X[12]=X[12],X[11],24
+       shrp    X[11]=X[11],X[10],24    }
+{ .mii;        shrp    X[10]=X[10],X[ 9],24
+       shrp    X[ 9]=X[ 9],X[ 8],24    };;
+{ .mii;        shrp    X[ 8]=X[ 8],X[ 7],24
+       shrp    X[ 7]=X[ 7],X[ 6],24    }
+{ .mii;        shrp    X[ 6]=X[ 6],X[ 5],24
+       shrp    X[ 5]=X[ 5],X[ 4],24    }
+{ .mii;        shrp    X[ 4]=X[ 4],X[ 3],24
+       shrp    X[ 3]=X[ 3],X[ 2],24    }
+{ .mii;        shrp    X[ 2]=X[ 2],X[ 1],24
+       shrp    X[ 1]=X[ 1],X[ 0],24    }
+{ .mib;        shrp    X[ 0]=X[ 0],T1,24       }
+{ .mib;        mov     r8=0
+       mux1    X[15]=X[15],\@rev               // eliminated on big-endian
+       br.many .L_first16              };;
+.L6byte:
+{ .mmi;        $LDW    X[ 3]=[input],4*$SZ
+       $LDW    X[ 2]=[r8],4*$SZ
+       shrp    X[15]=X[15],X[14],16    }
+{ .mmi;        $LDW    X[ 1]=[r9],4*$SZ
+       $LDW    X[ 0]=[r10],4*$SZ
+       shrp    X[14]=X[14],X[13],16    };;
+{ .mii;        $LDW    T1=[input]
+       shrp    X[13]=X[13],X[12],16
+       shrp    X[12]=X[12],X[11],16    }
+{ .mii;        shrp    X[11]=X[11],X[10],16
+       shrp    X[10]=X[10],X[ 9],16    };;
+{ .mii;        shrp    X[ 9]=X[ 9],X[ 8],16
+       shrp    X[ 8]=X[ 8],X[ 7],16    }
+{ .mii;        shrp    X[ 7]=X[ 7],X[ 6],16
+       shrp    X[ 6]=X[ 6],X[ 5],16    }
+{ .mii;        shrp    X[ 5]=X[ 5],X[ 4],16
+       shrp    X[ 4]=X[ 4],X[ 3],16    }
+{ .mii;        shrp    X[ 3]=X[ 3],X[ 2],16
+       shrp    X[ 2]=X[ 2],X[ 1],16    }
+{ .mii;        shrp    X[ 1]=X[ 1],X[ 0],16
+       shrp    X[ 0]=X[ 0],T1,16       }
+{ .mib;        mov     r8=0
+       mux1    X[15]=X[15],\@rev               // eliminated on big-endian
+       br.many .L_first16              };;
+.L7byte:
+{ .mmi;        $LDW    X[ 1]=[r9],4*$SZ
+       $LDW    X[ 0]=[r10],4*$SZ
+       shrp    X[15]=X[15],X[14],8     };;
+{ .mii;        $LDW    T1=[input]
+       shrp    X[14]=X[14],X[13],8
+       shrp    X[13]=X[13],X[12],8     }
+{ .mii;        shrp    X[12]=X[12],X[11],8
+       shrp    X[11]=X[11],X[10],8     };;
+{ .mii;        shrp    X[10]=X[10],X[ 9],8
+       shrp    X[ 9]=X[ 9],X[ 8],8     }
+{ .mii;        shrp    X[ 8]=X[ 8],X[ 7],8
+       shrp    X[ 7]=X[ 7],X[ 6],8     }
+{ .mii;        shrp    X[ 6]=X[ 6],X[ 5],8
+       shrp    X[ 5]=X[ 5],X[ 4],8     }
+{ .mii;        shrp    X[ 4]=X[ 4],X[ 3],8
+       shrp    X[ 3]=X[ 3],X[ 2],8     }
+{ .mii;        shrp    X[ 2]=X[ 2],X[ 1],8
+       shrp    X[ 1]=X[ 1],X[ 0],8     }
+{ .mib;        shrp    X[ 0]=X[ 0],T1,8        }
+{ .mib;        mov     r8=0
+       mux1    X[15]=X[15],\@rev       };;     // eliminated on big-endian
+
 .align 32
 .L_first16:
-.rotr  X[16]
+{ .mmi;                $LDW    K=[Ktbl],$SZ
+               add     A=A,r8                  // H+=Sigma(0) from the past
+               _rotr   r10=$t1,$Sigma1[0]  }   // ROTR(e,14)
+{ .mmi;                and     T1=F,E
+               andcm   r8=G,E
+       (p16)   mux1    X[14]=X[14],\@rev   };; // eliminated on big-endian
+{ .mmi;                and     T2=A,B
+               and     r9=A,C
+               _rotr   r11=$t1,$Sigma1[1]  }   // ROTR(e,41)
+{ .mmi;                xor     T1=T1,r8                // T1=((e & f) ^ (~e & g))
+               and     r8=B,C              };;
 ___
 $t0="t0", $t1="t1", $code.=<<___ if ($BITS==32);
-{ .mib;        (p14)   add     r9=1,input
-       (p14)   add     r10=2,input     }
-{ .mib;        (p14)   add     r11=3,input
-       (p15)   br.dptk.few     .L_host };;
-{ .mmi;        (p14)   ld1     r8=[input],$SZ
-       (p14)   ld1     r9=[r9]         }
-{ .mmi;        (p14)   ld1     r10=[r10]
-       (p14)   ld1     r11=[r11]       };;
-{ .mii;        (p14)   dep     r9=r8,r9,8,8
-       (p14)   dep     r11=r10,r11,8,8 };;
-{ .mib;        (p14)   dep     X[15]=r9,r11,16,16 };;
-.L_host:
-{ .mib;        (p15)   $LDW    X[15]=[input],$SZ       // X[i]=*input++
+.align 32
+.L_first16:
+{ .mmi;                add     A=A,r8                  // H+=Sigma(0) from the past
+               add     r10=2-$SZ,input
+               add     r11=3-$SZ,input };;
+{ .mmi;                ld1     r9=[r9]
+               ld1     r10=[r10]
                dep.z   $t1=E,32,32     }
-{ .mib;                $LDW    K=[Ktbl],$SZ
+{ .mmi;                ld1     r11=[r11]
+               $LDW    K=[Ktbl],$SZ
                zxt4    E=E             };;
-{ .mmi;                or      $t1=$t1,E
-               and     T1=F,E
-               and     T2=A,B          }
-{ .mmi;                andcm   r8=G,E
-               and     r9=A,C
+{ .mii;                or      $t1=$t1,E
+               dep     X[15]=X[15],r9,8,8
                mux2    $t0=A,0x44      };;     // copy lower half to upper
-{ .mib;                xor     T1=T1,r8                // T1=((e & f) ^ (~e & g))
-               _rotr   r11=$t1,$Sigma1[0] }    // ROTR(e,14)
-{ .mib;                and     r10=B,C
-               xor     T2=T2,r9        };;
-___
-$t0="A", $t1="E", $code.=<<___ if ($BITS==64);
-{ .mmi;                $LDW    X[15]=[input],$SZ       // X[i]=*input++
-               and     T1=F,E
-               and     T2=A,B          }
-{ .mmi;                $LDW    K=[Ktbl],$SZ
+{ .mmi;                and     T1=F,E
                andcm   r8=G,E
-               and     r9=A,C          };;
-{ .mmi;                xor     T1=T1,r8                //T1=((e & f) ^ (~e & g))
-               and     r10=B,C
-               _rotr   r11=$t1,$Sigma1[0] }    // ROTR(e,14)
-{ .mmi;                xor     T2=T2,r9
-               mux1    X[15]=X[15],\@rev };;   // eliminated in big-endian
+               dep     r11=r10,r11,8,8 };;
+{ .mmi;                and     T2=A,B
+               and     r9=A,C
+               dep     X[15]=X[15],r11,16,16   };;
+{ .mmi;        (p16)   ld1     X[15-1]=[input],$SZ     // prefetch
+               xor     T1=T1,r8                // T1=((e & f) ^ (~e & g))
+               _rotr   r10=$t1,$Sigma1[0] }    // ROTR(e,14)
+{ .mmi;                and     r8=B,C
+               _rotr   r11=$t1,$Sigma1[1] };;  // ROTR(e,18)
 ___
 $code.=<<___;
-{ .mib;                add     T1=T1,H                 // T1=Ch(e,f,g)+h
-               _rotr   r8=$t1,$Sigma1[1] }     // ROTR(e,18)
-{ .mib;                xor     T2=T2,r10               // T2=((a & b) ^ (a & c) ^ (b & c))
-               mov     H=G             };;
-{ .mib;                xor     r11=r8,r11
-               _rotr   r9=$t1,$Sigma1[2] }     // ROTR(e,41)
-{ .mib;                mov     G=F
-               mov     F=E             };;
-{ .mib;                xor     r9=r9,r11               // r9=Sigma1(e)
-               _rotr   r10=$t0,$Sigma0[0] }    // ROTR(a,28)
-{ .mib;                add     T1=T1,K                 // T1=Ch(e,f,g)+h+K512[i]
-               mov     E=D             };;
-{ .mib;                add     T1=T1,r9                // T1+=Sigma1(e)
-               _rotr   r11=$t0,$Sigma0[1] }    // ROTR(a,34)
-{ .mib;                mov     D=C
-               mov     C=B             };;
-{ .mib;                add     T1=T1,X[15]             // T1+=X[i]
-               _rotr   r8=$t0,$Sigma0[2] }     // ROTR(a,39)
-{ .mib;                xor     r10=r10,r11
-               mux2    X[15]=X[15],0x44 };;    // eliminated in 64-bit
-{ .mmi;                xor     r10=r8,r10              // r10=Sigma0(a)
-               mov     B=A
-               add     A=T1,T2         };;
-.L_first16_ctop:
-{ .mib;                add     E=E,T1
-               add     A=A,r10                 // T2=Maj(a,b,c)+Sigma0(a)
-       br.ctop.sptk    .L_first16      };;
+{ .mmi;                add     T1=T1,H                 // T1=Ch(e,f,g)+h
+               xor     r10=r10,r11
+               _rotr   r11=$t1,$Sigma1[2]  }   // ROTR(e,41)
+{ .mmi;                xor     T2=T2,r9
+               add     K=K,X[15]           };;
+{ .mmi;                add     T1=T1,K                 // T1+=K[i]+X[i]
+               xor     T2=T2,r8                // T2=((a & b) ^ (a & c) ^ (b & c))
+               _rotr   r8=$t0,$Sigma0[0]   }   // ROTR(a,28)
+{ .mmi;                xor     r11=r11,r10             // Sigma1(e)
+               _rotr   r9=$t0,$Sigma0[1]   };; // ROTR(a,34)
+{ .mmi;                add     T1=T1,r11               // T+=Sigma1(e)
+               xor     r8=r8,r9
+               _rotr   r9=$t0,$Sigma0[2]   };; // ROTR(a,39)
+{ .mmi;                xor     r8=r8,r9                // Sigma0(a)
+               add     D=D,T1
+               mux2    H=X[15],0x44        }   // mov H=X[15] in sha512
+{ .mib;        (p16)   add     r9=1-$SZ,input          // not used in sha512
+               add     X[15]=T1,T2             // H=T1+Maj(a,b,c)
+       br.ctop.sptk    .L_first16          };;
+.L_first16_end:
+
+{ .mib;        mov     ar.lc=$rounds-17
+       brp.loop.imp    .L_rest,.L_rest_end-16          }
+{ .mib;        mov     ar.ec=1
+       br.many .L_rest                 };;
 
-{ .mib;        mov     ar.lc=$rounds-17        }
-{ .mib;        mov     ar.ec=1                 };;
 .align 32
 .L_rest:
-.rotr  X[16]
-{ .mib;                $LDW    K=[Ktbl],$SZ
+{ .mmi;                $LDW    K=[Ktbl],$SZ
+               add     A=A,r8                  // H+=Sigma0(a) from the past
                _rotr   r8=X[15-1],$sigma0[0] } // ROTR(s0,1)
-{ .mib;        $ADD    X[15]=X[15],X[15-9]     // X[i&0xF]+=X[(i+9)&0xF]
-               $SHRU   s0=X[15-1],sgm0 };;     // s0=X[(i+1)&0xF]>>7
+{ .mmi;        add     X[15]=X[15],X[15-9]     // X[i&0xF]+=X[(i+9)&0xF]
+               $SHRU   s0=X[15-1],sgm0     };; // s0=X[(i+1)&0xF]>>7
 { .mib;                and     T1=F,E
                _rotr   r9=X[15-1],$sigma0[1] } // ROTR(s0,8)
 { .mib;                andcm   r10=G,E
-               $SHRU   s1=X[15-14],sgm1 };;    // s1=X[(i+14)&0xF]>>6
+               $SHRU   s1=X[15-14],sgm1    };; // s1=X[(i+14)&0xF]>>6
+// Pair of mmi; splits on Itanium 1 and prevents pipeline flush
+// upon $SHRU output usage
 { .mmi;                xor     T1=T1,r10               // T1=((e & f) ^ (~e & g))
                xor     r9=r8,r9
-               _rotr   r10=X[15-14],$sigma1[0] };;// ROTR(s1,19)
-{ .mib;                and     T2=A,B          
-               _rotr   r11=X[15-14],$sigma1[1] }// ROTR(s1,61)
-{ .mib;                and     r8=A,C          };;
+               _rotr   r10=X[15-14],$sigma1[0] }// ROTR(s1,19)
+{ .mmi;                and     T2=A,B
+               and     r8=A,C
+               _rotr   r11=X[15-14],$sigma1[1] };;// ROTR(s1,61)
 ___
 $t0="t0", $t1="t1", $code.=<<___ if ($BITS==32);
-// I adhere to mmi; in order to hold Itanium 1 back and avoid 6 cycle
-// pipeline flush in last bundle. Note that even on Itanium2 the
-// latter stalls for one clock cycle...
-{ .mmi;                xor     s0=s0,r9                // s0=sigma0(X[(i+1)&0xF])
-               dep.z   $t1=E,32,32     }
-{ .mmi;                xor     r10=r11,r10
-               zxt4    E=E             };;
-{ .mmi;                or      $t1=$t1,E
-               xor     s1=s1,r10               // s1=sigma1(X[(i+14)&0xF])
-               mux2    $t0=A,0x44      };;     // copy lower half to upper
+{ .mib;                xor     s0=s0,r9                // s0=sigma0(X[(i+1)&0xF])
+               dep.z   $t1=E,32,32         }
+{ .mib;                xor     r10=r11,r10
+               zxt4    E=E                 };;
+{ .mii;                xor     s1=s1,r10               // s1=sigma1(X[(i+14)&0xF])
+               shrp    r9=E,$t1,32+$Sigma1[0]  // ROTR(e,14)
+               mux2    $t0=A,0x44          };; // copy lower half to upper
+// Pair of mmi; splits on Itanium 1 and prevents pipeline flush
+// upon mux2 output usage
 { .mmi;                xor     T2=T2,r8
-               _rotr   r9=$t1,$Sigma1[0] }     // ROTR(e,14)
+               shrp    r8=E,$t1,32+$Sigma1[1]} // ROTR(e,18)
 { .mmi;                and     r10=B,C
                add     T1=T1,H                 // T1=Ch(e,f,g)+h
-               $ADD    X[15]=X[15],s0  };;     // X[i&0xF]+=sigma0(X[(i+1)&0xF])
+               or      $t1=$t1,E           };;
 ___
 $t0="A", $t1="E", $code.=<<___ if ($BITS==64);
 { .mib;                xor     s0=s0,r9                // s0=sigma0(X[(i+1)&0xF])
-               _rotr   r9=$t1,$Sigma1[0] }     // ROTR(e,14)
+               _rotr   r9=$t1,$Sigma1[0]   }   // ROTR(e,14)
 { .mib;                xor     r10=r11,r10
-               xor     T2=T2,r8        };;
+               xor     T2=T2,r8            };;
 { .mib;                xor     s1=s1,r10               // s1=sigma1(X[(i+14)&0xF])
-               add     T1=T1,H         }
+               _rotr   r8=$t1,$Sigma1[1]   }   // ROTR(e,18)
 { .mib;                and     r10=B,C
-               $ADD    X[15]=X[15],s0  };;     // X[i&0xF]+=sigma0(X[(i+1)&0xF])
+               add     T1=T1,H             };; // T1+=H
 ___
 $code.=<<___;
-{ .mmi;                xor     T2=T2,r10               // T2=((a & b) ^ (a & c) ^ (b & c))
-               mov     H=G
-               _rotr   r8=$t1,$Sigma1[1] };;   // ROTR(e,18)
-{ .mmi;                xor     r11=r8,r9
-               $ADD    X[15]=X[15],s1          // X[i&0xF]+=sigma1(X[(i+14)&0xF])
-               _rotr   r9=$t1,$Sigma1[2] }     // ROTR(e,41)
-{ .mmi;                mov     G=F
-               mov     F=E             };;
-{ .mib;                xor     r9=r9,r11               // r9=Sigma1(e)
-               _rotr   r10=$t0,$Sigma0[0] }    // ROTR(a,28)
-{ .mib;                add     T1=T1,K                 // T1=Ch(e,f,g)+h+K512[i]
-               mov     E=D             };;
-{ .mib;                add     T1=T1,r9                // T1+=Sigma1(e)
-               _rotr   r11=$t0,$Sigma0[1] }    // ROTR(a,34)
-{ .mib;                mov     D=C
-               mov     C=B             };;
-{ .mmi;                add     T1=T1,X[15]             // T1+=X[i]
-               xor     r10=r10,r11
-               _rotr   r8=$t0,$Sigma0[2] };;   // ROTR(a,39)
-{ .mmi;                xor     r10=r8,r10              // r10=Sigma0(a)
-               mov     B=A
-               add     A=T1,T2         };;
-.L_rest_ctop:
-{ .mib;                add     E=E,T1
-               add     A=A,r10                 // T2=Maj(a,b,c)+Sigma0(a)
-       br.ctop.sptk    .L_rest };;
+{ .mib;                xor     r9=r9,r8
+               _rotr   r8=$t1,$Sigma1[2]   }   // ROTR(e,41)
+{ .mib;                xor     T2=T2,r10               // T2=((a & b) ^ (a & c) ^ (b & c))
+               add     X[15]=X[15],s0      };; // X[i]+=sigma0(X[i+1])
+{ .mmi;                xor     r9=r9,r8                // Sigma1(e)
+               add     X[15]=X[15],s1          // X[i]+=sigma0(X[i+14])
+               _rotr   r8=$t0,$Sigma0[0]   };; // ROTR(a,28)
+{ .mmi;                add     K=K,X[15]
+               add     T1=T1,r9                // T1+=Sigma1(e)
+               _rotr   r9=$t0,$Sigma0[1]   };; // ROTR(a,34)
+{ .mmi;                add     T1=T1,K                 // T1+=K[i]+X[i]
+               xor     r8=r8,r9
+               _rotr   r9=$t0,$Sigma0[2]   };; // ROTR(a,39)
+{ .mib;                add     D=D,T1
+               mux2    H=X[15],0x44        }   // mov H=X[15] in sha512
+{ .mib;                xor     r8=r8,r9                // Sigma0(a)
+               add     X[15]=T1,T2             // H=T1+Maj(a,b,c)
+       br.ctop.sptk    .L_rest             };;
+.L_rest_end:
+
+{ .mmi;        add     A=A,r8                  };;     // H+=Sigma0(a) from the past
+{ .mmi;        add     A_=A_,A
+       add     B_=B_,B
+       add     C_=C_,C                 }
+{ .mmi;        add     D_=D_,D
+       add     E_=E_,E
+       cmp.ltu p16,p0=1,num            };;
+{ .mmi;        add     F_=F_,F
+       add     G_=G_,G
+       add     H_=H_,H                 }
+{ .mmb;        add     Ktbl=-$SZ*$rounds,Ktbl
+(p16)  add     num=-1,num
+(p16)  br.dptk.many    .L_outer        };;
 
 { .mib;        add     r8=0*$SZ,ctx
        add     r9=1*$SZ,ctx            }
 { .mib;        add     r10=2*$SZ,ctx
        add     r11=3*$SZ,ctx           };;
-{ .mmi;        $LDW    r32=[r8],4*$SZ
-       $LDW    r33=[r9],4*$SZ          }
-{ .mmi;        $LDW    r34=[r10],4*$SZ
-       $LDW    r35=[r11],4*$SZ
-       cmp.ltu p6,p7=1,num             };;
-{ .mmi;        $LDW    r36=[r8],-4*$SZ
-       $LDW    r37=[r9],-4*$SZ
-(p6)   add     Ktbl=-$SZ*$rounds,Ktbl  }
-{ .mmi;        $LDW    r38=[r10],-4*$SZ
-       $LDW    r39=[r11],-4*$SZ
-(p7)   mov     ar.lc=r3                };;
-{ .mmi;        add     A=A,r32
-       add     B=B,r33
-       add     C=C,r34                 }
-{ .mmi;        add     D=D,r35
-       add     E=E,r36
-       add     F=F,r37                 };;
-{ .mmi;        $STW    [r8]=A,4*$SZ
-       $STW    [r9]=B,4*$SZ
-       add     G=G,r38                 }
-{ .mmi;        $STW    [r10]=C,4*$SZ
-       $STW    [r11]=D,4*$SZ
-       add     H=H,r39                 };;
-{ .mmi;        $STW    [r8]=E
-       $STW    [r9]=F
-(p6)   add     num=-1,num              }
-{ .mmb;        $STW    [r10]=G
-       $STW    [r11]=H
-(p6)   br.dptk.many    .L_outer        };;
-
-{ .mib;        mov     pr=prsave,0x1ffff
+{ .mmi;        $STW    [r8]=A_,4*$SZ
+       $STW    [r9]=B_,4*$SZ
+       mov     ar.lc=lcsave            }
+{ .mmi;        $STW    [r10]=C_,4*$SZ
+       $STW    [r11]=D_,4*$SZ
+       mov     pr=prsave,0x1ffff       };;
+{ .mmb;        $STW    [r8]=E_
+       $STW    [r9]=F_                 }
+{ .mmb;        $STW    [r10]=G_
+       $STW    [r11]=H_
        br.ret.sptk.many        b0      };;
 .endp  $func#
 ___
 
-$code =~ s/\`([^\`]*)\`/eval $1/gem;
-$code =~ s/_rotr(\s+)([^=]+)=([^,]+),([0-9]+)/shrp$1$2=$3,$3,$4/gm;
-if ($BITS==64) {
-    $code =~ s/mux2(\s+)\S+/nop.i$1 0x0/gm;
-    $code =~ s/mux1(\s+)\S+/nop.i$1 0x0/gm if ($big_endian);
-}
+foreach(split($/,$code)) {
+    s/\`([^\`]*)\`/eval $1/gem;
+    s/_rotr(\s+)([^=]+)=([^,]+),([0-9]+)/shrp$1$2=$3,$3,$4/gm;
+    if ($BITS==64) {
+       s/mux2(\s+)([^=]+)=([^,]+),\S+/mov$1 $2=$3/gm;
+       s/mux1(\s+)\S+/nop.i$1 0x0/gm   if ($big_endian);
+       s/(shrp\s+X\[[^=]+)=([^,]+),([^,]+),([1-9]+)/$1=$3,$2,64-$4/gm
+                                               if (!$big_endian);
+       s/ld1(\s+)X\[\S+/nop.m$1 0x0/gm;
+    }
 
-print $code;
+    print $_,"\n";
+}
 
 print<<___ if ($BITS==32);
 .align 64
@@ -383,6 +635,7 @@ K256:       data4   0x428a2f98,0x71374491,0xb5c0fbcf,0xe9b5dba5
        data4   0x748f82ee,0x78a5636f,0x84c87814,0x8cc70208
        data4   0x90befffa,0xa4506ceb,0xbef9a3f7,0xc67178f2
 .size  K256#,$SZ*$rounds
+stringz        "SHA256 block transform for IA64, CRYPTOGAMS by <appro\@openssl.org>"
 ___
 print<<___ if ($BITS==64);
 .align 64
@@ -428,4 +681,5 @@ K512:       data8   0x428a2f98d728ae22,0x7137449123ef65cd
        data8   0x4cc5d4becb3e42b6,0x597f299cfc657e2a
        data8   0x5fcb6fab3ad6faec,0x6c44198c4a475817
 .size  K512#,$SZ*$rounds
+stringz        "SHA512 block transform for IA64, CRYPTOGAMS by <appro\@openssl.org>"
 ___