mirror of
https://github.com/DNSCrypt/dnscrypt-proxy.git
synced 2024-12-13 22:46:44 +01:00
872 lines
28 KiB
ArmAsm
872 lines
28 KiB
ArmAsm
// Copyright (c) 2016 Andreas Auernhammer. All rights reserved.
|
|
// Use of this source code is governed by a license that can be
|
|
// found in the LICENSE file.
|
|
|
|
// This code is inspired by the poly1305 AVX2 implementation by Shay Gueron, and Vlad Krasnov.
|
|
|
|
// +build amd64, !gccgo, !appengine
|
|
|
|
#include "textflag.h"
|
|
|
|
DATA addMaskAVX2<>+0x00(SB)/8, $0x3FFFFFF
|
|
DATA addMaskAVX2<>+0x08(SB)/8, $0x3FFFFFF
|
|
DATA addMaskAVX2<>+0x10(SB)/8, $0x3FFFFFF
|
|
DATA addMaskAVX2<>+0x18(SB)/8, $0x3FFFFFF
|
|
GLOBL addMaskAVX2<>(SB), RODATA, $32
|
|
|
|
DATA poly1305MaskAVX2<>+0x00(SB)/8, $0xFFFFFFC0FFFFFFF
|
|
DATA poly1305MaskAVX2<>+0x08(SB)/8, $0xFFFFFFC0FFFFFFF
|
|
DATA poly1305MaskAVX2<>+0x10(SB)/8, $0xFFFFFFC0FFFFFFF
|
|
DATA poly1305MaskAVX2<>+0x18(SB)/8, $0xFFFFFFC0FFFFFFF
|
|
DATA poly1305MaskAVX2<>+0x20(SB)/8, $0xFFFFFFC0FFFFFFC
|
|
DATA poly1305MaskAVX2<>+0x28(SB)/8, $0xFFFFFFC0FFFFFFC
|
|
DATA poly1305MaskAVX2<>+0x30(SB)/8, $0xFFFFFFC0FFFFFFC
|
|
DATA poly1305MaskAVX2<>+0x38(SB)/8, $0xFFFFFFC0FFFFFFC
|
|
GLOBL poly1305MaskAVX2<>(SB), RODATA, $64
|
|
|
|
DATA oneBit<>+0x00(SB)/8, $0x1000000
|
|
DATA oneBit<>+0x08(SB)/8, $0x1000000
|
|
DATA oneBit<>+0x10(SB)/8, $0x1000000
|
|
DATA oneBit<>+0x18(SB)/8, $0x1000000
|
|
GLOBL oneBit<>(SB), RODATA, $32
|
|
|
|
DATA fixPermutation<>+0x00(SB)/4, $6
|
|
DATA fixPermutation<>+0x04(SB)/4, $7
|
|
DATA fixPermutation<>+0x08(SB)/4, $6
|
|
DATA fixPermutation<>+0x0c(SB)/4, $7
|
|
DATA fixPermutation<>+0x10(SB)/4, $6
|
|
DATA fixPermutation<>+0x14(SB)/4, $7
|
|
DATA fixPermutation<>+0x18(SB)/4, $6
|
|
DATA fixPermutation<>+0x1c(SB)/4, $7
|
|
DATA fixPermutation<>+0x20(SB)/4, $4
|
|
DATA fixPermutation<>+0x24(SB)/4, $5
|
|
DATA fixPermutation<>+0x28(SB)/4, $6
|
|
DATA fixPermutation<>+0x2c(SB)/4, $7
|
|
DATA fixPermutation<>+0x30(SB)/4, $6
|
|
DATA fixPermutation<>+0x34(SB)/4, $7
|
|
DATA fixPermutation<>+0x38(SB)/4, $6
|
|
DATA fixPermutation<>+0x3c(SB)/4, $7
|
|
DATA fixPermutation<>+0x40(SB)/4, $2
|
|
DATA fixPermutation<>+0x44(SB)/4, $3
|
|
DATA fixPermutation<>+0x48(SB)/4, $6
|
|
DATA fixPermutation<>+0x4c(SB)/4, $7
|
|
DATA fixPermutation<>+0x50(SB)/4, $4
|
|
DATA fixPermutation<>+0x54(SB)/4, $5
|
|
DATA fixPermutation<>+0x58(SB)/4, $6
|
|
DATA fixPermutation<>+0x5c(SB)/4, $7
|
|
DATA fixPermutation<>+0x60(SB)/4, $0
|
|
DATA fixPermutation<>+0x64(SB)/4, $1
|
|
DATA fixPermutation<>+0x68(SB)/4, $4
|
|
DATA fixPermutation<>+0x6c(SB)/4, $5
|
|
DATA fixPermutation<>+0x70(SB)/4, $2
|
|
DATA fixPermutation<>+0x74(SB)/4, $3
|
|
DATA fixPermutation<>+0x78(SB)/4, $6
|
|
DATA fixPermutation<>+0x7c(SB)/4, $7
|
|
GLOBL fixPermutation<>(SB), RODATA, $128
|
|
|
|
TEXT ·initializeAVX2(SB), $0-16
|
|
MOVQ state+0(FP), DI
|
|
MOVQ key+8(FP), SI
|
|
|
|
MOVQ $addMaskAVX2<>(SB), R8
|
|
|
|
MOVOU 16*1(SI), X10
|
|
MOVOU X10, 288(DI)
|
|
PXOR X10, X10
|
|
MOVOU X10, 304(DI)
|
|
|
|
MOVD X10, 320(DI)
|
|
MOVQ 8*0(SI), X5
|
|
MOVQ 8*1(SI), X10
|
|
|
|
VZEROUPPER
|
|
|
|
MOVQ $poly1305MaskAVX2<>(SB), R9
|
|
VPAND (R9), X5, X5
|
|
VPAND 32(R9), X10, X10
|
|
|
|
VMOVDQU 0(R8), X0
|
|
VPSRLQ $26, X5, X6
|
|
VPAND X0, X5, X5
|
|
VPSRLQ $26, X6, X7
|
|
VPAND X0, X6, X6
|
|
VPSLLQ $12, X10, X11
|
|
VPXOR X11, X7, X7
|
|
VPSRLQ $26, X7, X8
|
|
VPSRLQ $40, X10, X9
|
|
VPAND X0, X7, X7
|
|
VPAND X0, X8, X8
|
|
|
|
BYTE $0xc5; BYTE $0xd1; BYTE $0xf4; BYTE $0xc5 // VPMULUDQ X5, X5, X0
|
|
BYTE $0xc5; BYTE $0xd1; BYTE $0xf4; BYTE $0xce // VPMULUDQ X6, X5, X1
|
|
BYTE $0xc5; BYTE $0xd1; BYTE $0xf4; BYTE $0xd7 // VPMULUDQ X7, X5, X2
|
|
BYTE $0xc4; BYTE $0xc1; BYTE $0x51; BYTE $0xf4; BYTE $0xd8 // VPMULUDQ X8, X5, X3
|
|
BYTE $0xc4; BYTE $0xc1; BYTE $0x51; BYTE $0xf4; BYTE $0xe1 // VPMULUDQ X9, X5, X4
|
|
|
|
VPSLLQ $1, X1, X1
|
|
VPSLLQ $1, X2, X2
|
|
BYTE $0xc5; BYTE $0x49; BYTE $0xf4; BYTE $0xd6 // VPMULUDQ X6, X6, X10
|
|
VPADDQ X10, X2, X2
|
|
BYTE $0xc5; BYTE $0x49; BYTE $0xf4; BYTE $0xd7 // VPMULUDQ X7, X6, X10
|
|
VPADDQ X10, X3, X3
|
|
BYTE $0xc4; BYTE $0x41; BYTE $0x49; BYTE $0xf4; BYTE $0xd0 // VPMULUDQ X8, X6, X10
|
|
VPADDQ X10, X4, X4
|
|
BYTE $0xc4; BYTE $0x41; BYTE $0x49; BYTE $0xf4; BYTE $0xe1 // VPMULUDQ X9, X6, X12
|
|
VPSLLQ $1, X3, X3
|
|
VPSLLQ $1, X4, X4
|
|
BYTE $0xc5; BYTE $0x41; BYTE $0xf4; BYTE $0xd7 // VPMULUDQ X7, X7, X10
|
|
VPADDQ X10, X4, X4
|
|
BYTE $0xc4; BYTE $0x41; BYTE $0x41; BYTE $0xf4; BYTE $0xd0 // VPMULUDQ X8, X7, X10
|
|
VPADDQ X10, X12, X12
|
|
BYTE $0xc4; BYTE $0x41; BYTE $0x41; BYTE $0xf4; BYTE $0xe9 // VPMULUDQ X9, X7, X13
|
|
VPSLLQ $1, X12, X12
|
|
VPSLLQ $1, X13, X13
|
|
BYTE $0xc4; BYTE $0x41; BYTE $0x39; BYTE $0xf4; BYTE $0xd0 // VPMULUDQ X8, X8, X10
|
|
VPADDQ X10, X13, X13
|
|
BYTE $0xc4; BYTE $0x41; BYTE $0x39; BYTE $0xf4; BYTE $0xf1 // VPMULUDQ X9, X8, X14
|
|
VPSLLQ $1, X14, X14
|
|
BYTE $0xc4; BYTE $0x41; BYTE $0x31; BYTE $0xf4; BYTE $0xf9 // VPMULUDQ X9, X9, X15
|
|
|
|
VPSRLQ $26, X4, X10
|
|
VPAND 0(R8), X4, X4
|
|
VPADDQ X10, X12, X12
|
|
|
|
VPSLLQ $2, X12, X10
|
|
VPADDQ X10, X12, X12
|
|
VPSLLQ $2, X13, X10
|
|
VPADDQ X10, X13, X13
|
|
VPSLLQ $2, X14, X10
|
|
VPADDQ X10, X14, X14
|
|
VPSLLQ $2, X15, X10
|
|
VPADDQ X10, X15, X15
|
|
|
|
VPADDQ X12, X0, X0
|
|
VPADDQ X13, X1, X1
|
|
VPADDQ X14, X2, X2
|
|
VPADDQ X15, X3, X3
|
|
|
|
VPSRLQ $26, X0, X10
|
|
VPAND 0(R8), X0, X0
|
|
VPADDQ X10, X1, X1
|
|
VPSRLQ $26, X1, X10
|
|
VPAND 0(R8), X1, X1
|
|
VPADDQ X10, X2, X2
|
|
VPSRLQ $26, X2, X10
|
|
VPAND 0(R8), X2, X2
|
|
VPADDQ X10, X3, X3
|
|
VPSRLQ $26, X3, X10
|
|
VPAND 0(R8), X3, X3
|
|
VPADDQ X10, X4, X4
|
|
|
|
BYTE $0xc5; BYTE $0xf9; BYTE $0x6c; BYTE $0xed // VPUNPCKLQDQ X5, X0, X5
|
|
BYTE $0xc5; BYTE $0xf1; BYTE $0x6c; BYTE $0xf6 // VPUNPCKLQDQ X6, X1, X6
|
|
BYTE $0xc5; BYTE $0xe9; BYTE $0x6c; BYTE $0xff // VPUNPCKLQDQ X7, X2, X7
|
|
BYTE $0xc4; BYTE $0x41; BYTE $0x61; BYTE $0x6c; BYTE $0xc0 // VPUNPCKLQDQ X8, X3, X8
|
|
BYTE $0xc4; BYTE $0x41; BYTE $0x59; BYTE $0x6c; BYTE $0xc9 // VPUNPCKLQDQ X9, X4, X9
|
|
|
|
VMOVDQU X5, 0+16(DI)
|
|
VMOVDQU X6, 32+16(DI)
|
|
VMOVDQU X7, 64+16(DI)
|
|
VMOVDQU X8, 96+16(DI)
|
|
VMOVDQU X9, 128+16(DI)
|
|
|
|
VPSLLQ $2, X6, X1
|
|
VPSLLQ $2, X7, X2
|
|
VPSLLQ $2, X8, X3
|
|
VPSLLQ $2, X9, X4
|
|
|
|
VPADDQ X1, X6, X1
|
|
VPADDQ X2, X7, X2
|
|
VPADDQ X3, X8, X3
|
|
VPADDQ X4, X9, X4
|
|
|
|
VMOVDQU X1, 160+16(DI)
|
|
VMOVDQU X2, 192+16(DI)
|
|
VMOVDQU X3, 224+16(DI)
|
|
VMOVDQU X4, 256+16(DI)
|
|
|
|
VPSHUFD $68, X5, X0
|
|
VPSHUFD $68, X6, X1
|
|
VPSHUFD $68, X7, X2
|
|
VPSHUFD $68, X8, X3
|
|
VPSHUFD $68, X9, X4
|
|
|
|
VMOVDQU 0+16(DI), X10
|
|
BYTE $0xc4; BYTE $0xc1; BYTE $0x79; BYTE $0xf4; BYTE $0xea // VPMULUDQ X10, X0, X5
|
|
BYTE $0xc4; BYTE $0xc1; BYTE $0x71; BYTE $0xf4; BYTE $0xf2 // VPMULUDQ X10, X1, X6
|
|
BYTE $0xc4; BYTE $0xc1; BYTE $0x69; BYTE $0xf4; BYTE $0xfa // VPMULUDQ X10, X2, X7
|
|
BYTE $0xc4; BYTE $0x41; BYTE $0x61; BYTE $0xf4; BYTE $0xc2 // VPMULUDQ X10, X3, X8
|
|
BYTE $0xc4; BYTE $0x41; BYTE $0x59; BYTE $0xf4; BYTE $0xca // VPMULUDQ X10, X4, X9
|
|
|
|
VMOVDQU 160+16(DI), X10
|
|
BYTE $0xc4; BYTE $0x41; BYTE $0x59; BYTE $0xf4; BYTE $0xda // VPMULUDQ X10 ,X4, X11
|
|
VPADDQ X11, X5, X5
|
|
|
|
VMOVDQU 32+16(DI), X10
|
|
BYTE $0xc4; BYTE $0x41; BYTE $0x79; BYTE $0xf4; BYTE $0xda // VPMULUDQ X10 ,X0, X11
|
|
VPADDQ X11, X6, X6
|
|
BYTE $0xc4; BYTE $0x41; BYTE $0x71; BYTE $0xf4; BYTE $0xda // VPMULUDQ X10 ,X1, X11
|
|
VPADDQ X11, X7, X7
|
|
BYTE $0xc4; BYTE $0x41; BYTE $0x69; BYTE $0xf4; BYTE $0xda // VPMULUDQ X10 ,X2, X11
|
|
VPADDQ X11, X8, X8
|
|
BYTE $0xc4; BYTE $0x41; BYTE $0x61; BYTE $0xf4; BYTE $0xda // VPMULUDQ X10 ,X3, X11
|
|
VPADDQ X11, X9, X9
|
|
|
|
VMOVDQU 192+16(DI), X10
|
|
BYTE $0xc4; BYTE $0x41; BYTE $0x61; BYTE $0xf4; BYTE $0xda // VPMULUDQ X10 ,X3, X11
|
|
VPADDQ X11, X5, X5
|
|
BYTE $0xc4; BYTE $0x41; BYTE $0x59; BYTE $0xf4; BYTE $0xda // VPMULUDQ X10 ,X4, X11
|
|
VPADDQ X11, X6, X6
|
|
|
|
VMOVDQU 64+16(DI), X10
|
|
BYTE $0xc4; BYTE $0x41; BYTE $0x79; BYTE $0xf4; BYTE $0xda // VPMULUDQ X10 ,X0, X11
|
|
VPADDQ X11, X7, X7
|
|
BYTE $0xc4; BYTE $0x41; BYTE $0x71; BYTE $0xf4; BYTE $0xda // VPMULUDQ X10 ,X1, X11
|
|
VPADDQ X11, X8, X8
|
|
BYTE $0xc4; BYTE $0x41; BYTE $0x69; BYTE $0xf4; BYTE $0xda // VPMULUDQ X10 ,X2, X11
|
|
VPADDQ X11, X9, X9
|
|
|
|
VMOVDQU 224+16(DI), X10
|
|
|
|
BYTE $0xc4; BYTE $0x41; BYTE $0x69; BYTE $0xf4; BYTE $0xda // VPMULUDQ X10, X2, X11
|
|
VPADDQ X11, X5, X5
|
|
BYTE $0xc4; BYTE $0x41; BYTE $0x61; BYTE $0xf4; BYTE $0xda // VPMULUDQ X10, X3, X11
|
|
VPADDQ X11, X6, X6
|
|
BYTE $0xc4; BYTE $0x41; BYTE $0x59; BYTE $0xf4; BYTE $0xda // VPMULUDQ X10, X4, X11
|
|
VPADDQ X11, X7, X7
|
|
|
|
VMOVDQU 96+16(DI), X10
|
|
BYTE $0xc4; BYTE $0x41; BYTE $0x79; BYTE $0xf4; BYTE $0xda // VPMULUDQ X10, X0, X11
|
|
VPADDQ X11, X8, X8
|
|
BYTE $0xc4; BYTE $0x41; BYTE $0x71; BYTE $0xf4; BYTE $0xda // VPMULUDQ X10, X1, X11
|
|
VPADDQ X11, X9, X9
|
|
|
|
VMOVDQU 256+16(DI), X10
|
|
BYTE $0xc4; BYTE $0x41; BYTE $0x71; BYTE $0xf4; BYTE $0xda // VPMULUDQ X10, X1, X11
|
|
VPADDQ X11, X5, X5
|
|
BYTE $0xc4; BYTE $0x41; BYTE $0x69; BYTE $0xf4; BYTE $0xda // VPMULUDQ X10, X2, X11
|
|
VPADDQ X11, X6, X6
|
|
BYTE $0xc4; BYTE $0x41; BYTE $0x61; BYTE $0xf4; BYTE $0xda // VPMULUDQ X10, X3, X11
|
|
VPADDQ X11, X7, X7
|
|
BYTE $0xc4; BYTE $0x41; BYTE $0x59; BYTE $0xf4; BYTE $0xda // VPMULUDQ X10, X4, X11
|
|
VPADDQ X11, X8, X8
|
|
|
|
VMOVDQU 128+16(DI), X10
|
|
BYTE $0xc4; BYTE $0x41; BYTE $0x79; BYTE $0xf4; BYTE $0xda // VPMULUDQ X10, X0, X11
|
|
VPADDQ X11, X9, X9
|
|
|
|
VMOVDQU 0(R8), X12
|
|
|
|
VPSRLQ $26, X8, X10
|
|
VPADDQ X10, X9, X9
|
|
VPAND X12, X8, X8
|
|
VPSRLQ $26, X9, X10
|
|
VPSLLQ $2, X10, X11
|
|
VPADDQ X11, X10, X10
|
|
VPADDQ X10, X5, X5
|
|
VPAND X12, X9, X9
|
|
VPSRLQ $26, X5, X10
|
|
VPAND X12, X5, X5
|
|
VPADDQ X10, X6, X6
|
|
VPSRLQ $26, X6, X10
|
|
VPAND X12, X6, X6
|
|
VPADDQ X10, X7, X7
|
|
VPSRLQ $26, X7, X10
|
|
VPAND X12, X7, X7
|
|
VPADDQ X10, X8, X8
|
|
VPSRLQ $26, X8, X10
|
|
VPAND X12, X8, X8
|
|
VPADDQ X10, X9, X9
|
|
|
|
VMOVDQU X5, 0(DI)
|
|
VMOVDQU X6, 32(DI)
|
|
VMOVDQU X7, 64(DI)
|
|
VMOVDQU X8, 96(DI)
|
|
VMOVDQU X9, 128(DI)
|
|
|
|
VPSLLQ $2, X6, X1
|
|
VPSLLQ $2, X7, X2
|
|
VPSLLQ $2, X8, X3
|
|
VPSLLQ $2, X9, X4
|
|
|
|
VPADDQ X1, X6, X1
|
|
VPADDQ X2, X7, X2
|
|
VPADDQ X3, X8, X3
|
|
VPADDQ X4, X9, X4
|
|
|
|
VMOVDQU X1, 160(DI)
|
|
VMOVDQU X2, 192(DI)
|
|
VMOVDQU X3, 224(DI)
|
|
VMOVDQU X4, 256(DI)
|
|
|
|
RET
|
|
|
|
TEXT ·updateAVX2(SB), $0-24
|
|
MOVQ state+0(FP), DI
|
|
MOVQ msg+8(FP), SI
|
|
MOVQ msg_len+16(FP), DX
|
|
|
|
MOVD 304(DI), X0
|
|
MOVD 308(DI), X1
|
|
MOVD 312(DI), X2
|
|
MOVD 316(DI), X3
|
|
MOVD 320(DI), X4
|
|
|
|
MOVQ $addMaskAVX2<>(SB), R12
|
|
MOVQ $oneBit<>(SB), R13
|
|
MOVQ $fixPermutation<>(SB), R15
|
|
VZEROUPPER
|
|
|
|
VMOVDQA (R12), Y12
|
|
|
|
CMPQ DX, $128
|
|
JB BETWEEN_0_AND_128
|
|
|
|
AT_LEAST_128:
|
|
VMOVDQU 32*0(SI), Y9
|
|
VMOVDQU 32*1(SI), Y10
|
|
ADDQ $64, SI
|
|
|
|
BYTE $0xc4; BYTE $0xc1; BYTE $0x35; BYTE $0x6c; BYTE $0xfa // VPUNPCKLQDQ Y10,Y9,Y7
|
|
BYTE $0xc4; BYTE $0x41; BYTE $0x35; BYTE $0x6d; BYTE $0xc2 // VPUNPCKHQDQ Y10,Y9,Y8
|
|
BYTE $0xc4; BYTE $0xe3; BYTE $0xfd; BYTE $0x00; BYTE $0xff; BYTE $0xd8 // VPERMQ $216,Y7,Y7
|
|
BYTE $0xc4; BYTE $0x43; BYTE $0xfd; BYTE $0x00; BYTE $0xc0; BYTE $0xd8 // VPERMQ $216,Y8,Y8
|
|
|
|
VPSRLQ $26, Y7, Y9
|
|
VPAND Y12, Y7, Y7
|
|
VPADDQ Y7, Y0, Y0
|
|
|
|
VPSRLQ $26, Y9, Y7
|
|
VPAND Y12, Y9, Y9
|
|
VPADDQ Y9, Y1, Y1
|
|
|
|
VPSLLQ $12, Y8, Y9
|
|
VPXOR Y9, Y7, Y7
|
|
VPAND Y12, Y7, Y7
|
|
VPADDQ Y7, Y2, Y2
|
|
|
|
VPSRLQ $26, Y9, Y7
|
|
VPSRLQ $40, Y8, Y9
|
|
VPAND Y12, Y7, Y7
|
|
VPXOR (R13), Y9, Y9
|
|
VPADDQ Y7, Y3, Y3
|
|
VPADDQ Y9, Y4, Y4
|
|
|
|
BYTE $0xc4; BYTE $0xe2; BYTE $0x7d; BYTE $0x59; BYTE $0x2f // VPBROADCASTQ 0(DI), Y5
|
|
BYTE $0xc5; BYTE $0xfd; BYTE $0xf4; BYTE $0xfd // VPMULUDQ Y5, Y0, Y7
|
|
BYTE $0xc5; BYTE $0x75; BYTE $0xf4; BYTE $0xc5 // VPMULUDQ Y5, Y1, Y8
|
|
BYTE $0xc5; BYTE $0x6d; BYTE $0xf4; BYTE $0xcd // VPMULUDQ Y5, Y2, Y9
|
|
BYTE $0xc5; BYTE $0x65; BYTE $0xf4; BYTE $0xd5 // VPMULUDQ Y5, Y3, Y10
|
|
BYTE $0xc5; BYTE $0x5d; BYTE $0xf4; BYTE $0xdd // VPMULUDQ Y5, Y4, Y11
|
|
|
|
BYTE $0xc4; BYTE $0xe2; BYTE $0x7d; BYTE $0x59; BYTE $0xaf; BYTE $0xa0; BYTE $0x00; BYTE $0x00; BYTE $0x00 // VPBROADCASTQ 160(DI), Y5
|
|
BYTE $0xc5; BYTE $0xdd; BYTE $0xf4; BYTE $0xf5 // VPMULUDQ Y5, Y4, Y6
|
|
VPADDQ Y6, Y7, Y7
|
|
|
|
BYTE $0xc4; BYTE $0xe2; BYTE $0x7d; BYTE $0x59; BYTE $0x6f; BYTE $0x20 // VPBROADCASTQ 32(DI), Y5
|
|
BYTE $0xc5; BYTE $0xfd; BYTE $0xf4; BYTE $0xf5 // VPMULUDQ Y5, Y0, Y6
|
|
VPADDQ Y6, Y8, Y8
|
|
BYTE $0xc5; BYTE $0xf5; BYTE $0xf4; BYTE $0xf5 // VPMULUDQ Y5, Y1, Y6
|
|
VPADDQ Y6, Y9, Y9
|
|
BYTE $0xc5; BYTE $0xed; BYTE $0xf4; BYTE $0xf5 // VPMULUDQ Y5, Y2, Y6
|
|
VPADDQ Y6, Y10, Y10
|
|
BYTE $0xc5; BYTE $0xe5; BYTE $0xf4; BYTE $0xf5 // VPMULUDQ Y5, Y3, Y6
|
|
VPADDQ Y6, Y11, Y11
|
|
|
|
BYTE $0xc4; BYTE $0xe2; BYTE $0x7d; BYTE $0x59; BYTE $0xaf; BYTE $0xc0; BYTE $0x00; BYTE $0x00; BYTE $0x00 // VPBROADCASTQ 192(DI), Y5
|
|
BYTE $0xc5; BYTE $0xe5; BYTE $0xf4; BYTE $0xf5 // VPMULUDQ Y5, Y3, Y6
|
|
VPADDQ Y6, Y7, Y7
|
|
BYTE $0xc5; BYTE $0xdd; BYTE $0xf4; BYTE $0xf5 // VPMULUDQ Y5, Y4, Y6
|
|
VPADDQ Y6, Y8, Y8
|
|
|
|
BYTE $0xc4; BYTE $0xe2; BYTE $0x7d; BYTE $0x59; BYTE $0x6f; BYTE $0x40 // VPBROADCASTQ 64(DI), Y5
|
|
BYTE $0xc5; BYTE $0xfd; BYTE $0xf4; BYTE $0xf5 // VPMULUDQ Y5, Y0, Y6
|
|
VPADDQ Y6, Y9, Y9
|
|
BYTE $0xc5; BYTE $0xf5; BYTE $0xf4; BYTE $0xf5 // VPMULUDQ Y5, Y1, Y6
|
|
VPADDQ Y6, Y10, Y10
|
|
BYTE $0xc5; BYTE $0xed; BYTE $0xf4; BYTE $0xf5 // VPMULUDQ Y5, Y2, Y6
|
|
VPADDQ Y6, Y11, Y11
|
|
|
|
BYTE $0xc4; BYTE $0xe2; BYTE $0x7d; BYTE $0x59; BYTE $0xaf; BYTE $0xe0; BYTE $0x00; BYTE $0x00; BYTE $0x00 // VPBROADCASTQ 224(DI), Y5
|
|
BYTE $0xc5; BYTE $0xed; BYTE $0xf4; BYTE $0xf5 // VPMULUDQ Y5, Y2, Y6
|
|
VPADDQ Y6, Y7, Y7
|
|
BYTE $0xc5; BYTE $0xe5; BYTE $0xf4; BYTE $0xf5 // VPMULUDQ Y5, Y3, Y6
|
|
VPADDQ Y6, Y8, Y8
|
|
BYTE $0xc5; BYTE $0xdd; BYTE $0xf4; BYTE $0xf5 // VPMULUDQ Y5, Y4, Y6
|
|
VPADDQ Y6, Y9, Y9
|
|
|
|
BYTE $0xc4; BYTE $0xe2; BYTE $0x7d; BYTE $0x59; BYTE $0x6f; BYTE $0x60 // VPBROADCASTQ 96(DI), Y5
|
|
BYTE $0xc5; BYTE $0xfd; BYTE $0xf4; BYTE $0xf5 // VPMULUDQ Y5, Y0, Y6
|
|
VPADDQ Y6, Y10, Y10
|
|
BYTE $0xc5; BYTE $0xf5; BYTE $0xf4; BYTE $0xf5 // VPMULUDQ Y5, Y1, Y6
|
|
VPADDQ Y6, Y11, Y11
|
|
|
|
BYTE $0xc4; BYTE $0xe2; BYTE $0x7d; BYTE $0x59; BYTE $0xaf; BYTE $0x00; BYTE $0x01; BYTE $0x00; BYTE $0x00 // VPBROADCASTQ 256(DI), Y5
|
|
BYTE $0xc5; BYTE $0xf5; BYTE $0xf4; BYTE $0xf5 // VPMULUDQ Y5, Y1, Y6
|
|
VPADDQ Y6, Y7, Y7
|
|
BYTE $0xc5; BYTE $0xed; BYTE $0xf4; BYTE $0xf5 // VPMULUDQ Y5, Y2,Y6
|
|
VPADDQ Y6, Y8, Y8
|
|
BYTE $0xc5; BYTE $0xe5; BYTE $0xf4; BYTE $0xf5 // VPMULUDQ Y5, Y3, Y6
|
|
VPADDQ Y6, Y9, Y9
|
|
BYTE $0xc5; BYTE $0xdd; BYTE $0xf4; BYTE $0xf5 // VPMULUDQ Y5, Y4, Y6
|
|
VPADDQ Y6, Y10, Y10
|
|
|
|
BYTE $0xc4; BYTE $0xe2; BYTE $0x7d; BYTE $0x59; BYTE $0xaf; BYTE $0x80; BYTE $0x00; BYTE $0x00; BYTE $0x00 // VPBROADCASTQ 128(DI),Y5
|
|
BYTE $0xc5; BYTE $0xfd; BYTE $0xf4; BYTE $0xf5 // VPMULUDQ Y5, Y0, Y6
|
|
VPADDQ Y6, Y11, Y11
|
|
|
|
VPSRLQ $26, Y10, Y5
|
|
VPADDQ Y5, Y11, Y11
|
|
VPAND Y12, Y10, Y10
|
|
|
|
VPSRLQ $26, Y11, Y5
|
|
VPSLLQ $2, Y5, Y6
|
|
VPADDQ Y6, Y5, Y5
|
|
VPADDQ Y5, Y7, Y7
|
|
VPAND Y12, Y11, Y11
|
|
|
|
VPSRLQ $26, Y7, Y5
|
|
VPAND Y12, Y7, Y0
|
|
VPADDQ Y5, Y8, Y8
|
|
VPSRLQ $26, Y8, Y5
|
|
VPAND Y12, Y8, Y1
|
|
VPADDQ Y5, Y9, Y9
|
|
VPSRLQ $26, Y9, Y5
|
|
VPAND Y12, Y9, Y2
|
|
VPADDQ Y5, Y10, Y10
|
|
VPSRLQ $26, Y10, Y5
|
|
VPAND Y12, Y10, Y3
|
|
VPADDQ Y5, Y11, Y4
|
|
|
|
SUBQ $64, DX
|
|
CMPQ DX, $128
|
|
JAE AT_LEAST_128
|
|
|
|
BETWEEN_0_AND_128:
|
|
CMPQ DX, $64
|
|
JB BETWEEN_0_AND_64
|
|
|
|
VMOVDQU 32*0(SI), Y9
|
|
VMOVDQU 32*1(SI), Y10
|
|
ADDQ $64, SI
|
|
|
|
BYTE $0xc4; BYTE $0xc1; BYTE $0x35; BYTE $0x6c; BYTE $0xfa // VPUNPCKLQDQ Y10, Y9, Y7
|
|
BYTE $0xc4; BYTE $0x41; BYTE $0x35; BYTE $0x6d; BYTE $0xc2 // VPUNPCKHQDQ Y10, Y9, Y8
|
|
BYTE $0xc4; BYTE $0xe3; BYTE $0xfd; BYTE $0x00; BYTE $0xff; BYTE $0xd8 // VPERMQ $216, Y7, Y7
|
|
BYTE $0xc4; BYTE $0x43; BYTE $0xfd; BYTE $0x00; BYTE $0xc0; BYTE $0xd8 // VPERMQ $216, Y8, Y8
|
|
|
|
VPSRLQ $26, Y7, Y9
|
|
VPAND Y12, Y7, Y7
|
|
VPADDQ Y7, Y0, Y0
|
|
|
|
VPSRLQ $26, Y9, Y7
|
|
VPAND Y12, Y9, Y9
|
|
VPADDQ Y9, Y1, Y1
|
|
|
|
VPSLLQ $12, Y8, Y9
|
|
VPXOR Y9, Y7, Y7
|
|
VPAND Y12, Y7, Y7
|
|
VPADDQ Y7, Y2, Y2
|
|
|
|
VPSRLQ $26, Y9, Y7
|
|
VPSRLQ $40, Y8, Y9
|
|
VPAND Y12, Y7, Y7
|
|
VPXOR (R13), Y9, Y9
|
|
VPADDQ Y7, Y3, Y3
|
|
VPADDQ Y9, Y4, Y4
|
|
|
|
VMOVDQU 0(DI), Y5
|
|
|
|
BYTE $0xc5; BYTE $0xfd; BYTE $0xf4; BYTE $0xfd // VPMULUDQ Y5, Y0, Y7
|
|
BYTE $0xc5; BYTE $0x75; BYTE $0xf4; BYTE $0xc5 // VPMULUDQ Y5, Y1, Y8
|
|
BYTE $0xc5; BYTE $0x6d; BYTE $0xf4; BYTE $0xcd // VPMULUDQ Y5, Y2, Y9
|
|
BYTE $0xc5; BYTE $0x65; BYTE $0xf4; BYTE $0xd5 // VPMULUDQ Y5, Y3, Y10
|
|
BYTE $0xc5; BYTE $0x5d; BYTE $0xf4; BYTE $0xdd // VPMULUDQ Y5, Y4, Y11
|
|
|
|
VMOVDQU 160(DI), Y5
|
|
BYTE $0xc5; BYTE $0xdd; BYTE $0xf4; BYTE $0xf5 // VPMULUDQ Y5, Y4, Y6
|
|
VPADDQ Y6, Y7, Y7
|
|
VMOVDQU 32(DI), Y5
|
|
BYTE $0xc5; BYTE $0xfd; BYTE $0xf4; BYTE $0xf5 // VPMULUDQ Y5, Y0, Y6
|
|
VPADDQ Y6, Y8, Y8
|
|
BYTE $0xc5; BYTE $0xf5; BYTE $0xf4; BYTE $0xf5 // VPMULUDQ Y5, Y1, Y6
|
|
VPADDQ Y6, Y9, Y9
|
|
BYTE $0xc5; BYTE $0xed; BYTE $0xf4; BYTE $0xf5 // VPMULUDQ Y5, Y2, Y6
|
|
VPADDQ Y6, Y10, Y10
|
|
BYTE $0xc5; BYTE $0xe5; BYTE $0xf4; BYTE $0xf5 // VPMULUDQ Y5, Y3, Y6
|
|
VPADDQ Y6, Y11, Y11
|
|
|
|
VMOVDQU 192(DI), Y5
|
|
BYTE $0xc5; BYTE $0xe5; BYTE $0xf4; BYTE $0xf5 // VPMULUDQ Y5, Y3, Y6
|
|
VPADDQ Y6, Y7, Y7
|
|
BYTE $0xc5; BYTE $0xdd; BYTE $0xf4; BYTE $0xf5 // VPMULUDQ Y5, Y4, Y6
|
|
VPADDQ Y6, Y8, Y8
|
|
|
|
VMOVDQU 64(DI), Y5
|
|
BYTE $0xc5; BYTE $0xfd; BYTE $0xf4; BYTE $0xf5 // VPMULUDQ Y5, Y0, Y6
|
|
VPADDQ Y6, Y9, Y9
|
|
BYTE $0xc5; BYTE $0xf5; BYTE $0xf4; BYTE $0xf5 // VPMULUDQ Y5, Y1, Y6
|
|
VPADDQ Y6, Y10, Y10
|
|
BYTE $0xc5; BYTE $0xed; BYTE $0xf4; BYTE $0xf5 // VPMULUDQ Y5, Y2, Y6
|
|
VPADDQ Y6, Y11, Y11
|
|
|
|
VMOVDQU 224(DI), Y5
|
|
BYTE $0xc5; BYTE $0xed; BYTE $0xf4; BYTE $0xf5 // VPMULUDQ Y5, Y2, Y6
|
|
VPADDQ Y6, Y7, Y7
|
|
BYTE $0xc5; BYTE $0xe5; BYTE $0xf4; BYTE $0xf5 // VPMULUDQ Y5, Y3, Y6
|
|
VPADDQ Y6, Y8, Y8
|
|
BYTE $0xc5; BYTE $0xdd; BYTE $0xf4; BYTE $0xf5 // VPMULUDQ Y5, Y4, Y6
|
|
VPADDQ Y6, Y9, Y9
|
|
|
|
VMOVDQU 96(DI), Y5
|
|
BYTE $0xc5; BYTE $0xfd; BYTE $0xf4; BYTE $0xf5 // VPMULUDQ Y5, Y0, Y6
|
|
VPADDQ Y6, Y10, Y10
|
|
BYTE $0xc5; BYTE $0xf5; BYTE $0xf4; BYTE $0xf5 // VPMULUDQ Y5, Y1, Y6
|
|
VPADDQ Y6, Y11, Y11
|
|
|
|
VMOVDQU 256(DI), Y5
|
|
BYTE $0xc5; BYTE $0xf5; BYTE $0xf4; BYTE $0xf5 // VPMULUDQ Y5, Y1, Y6
|
|
VPADDQ Y6, Y7, Y7
|
|
BYTE $0xc5; BYTE $0xed; BYTE $0xf4; BYTE $0xf5 // VPMULUDQ Y5, Y2, Y6
|
|
VPADDQ Y6, Y8, Y8
|
|
BYTE $0xc5; BYTE $0xe5; BYTE $0xf4; BYTE $0xf5 // VPMULUDQ Y5, Y3, Y6
|
|
VPADDQ Y6, Y9, Y9
|
|
BYTE $0xc5; BYTE $0xdd; BYTE $0xf4; BYTE $0xf5 // VPMULUDQ Y5, Y4, Y6
|
|
VPADDQ Y6, Y10, Y10
|
|
|
|
VMOVDQU 128(DI), Y5
|
|
BYTE $0xc5; BYTE $0xfd; BYTE $0xf4; BYTE $0xf5 // VPMULUDQ Y5, Y0, Y6
|
|
VPADDQ Y6, Y11, Y11
|
|
|
|
VPSRLQ $26, Y10, Y5
|
|
VPADDQ Y5, Y11, Y11
|
|
VPAND Y12, Y10, Y10
|
|
VPSRLQ $26, Y11, Y5
|
|
VPSLLQ $2, Y5, Y6
|
|
VPADDQ Y6, Y5, Y5
|
|
VPADDQ Y5, Y7, Y7
|
|
VPAND Y12, Y11, Y11
|
|
VPSRLQ $26, Y7, Y5
|
|
VPAND Y12, Y7, Y0
|
|
VPADDQ Y5, Y8, Y8
|
|
VPSRLQ $26, Y8, Y5
|
|
VPAND Y12, Y8, Y1
|
|
VPADDQ Y5, Y9, Y9
|
|
VPSRLQ $26, Y9, Y5
|
|
VPAND Y12, Y9, Y2
|
|
VPADDQ Y5, Y10, Y10
|
|
VPSRLQ $26, Y10, Y5
|
|
VPAND Y12, Y10, Y3
|
|
VPADDQ Y5, Y11, Y4
|
|
|
|
VPSRLDQ $8, Y0, Y7
|
|
VPSRLDQ $8, Y1, Y8
|
|
VPSRLDQ $8, Y2, Y9
|
|
VPSRLDQ $8, Y3, Y10
|
|
VPSRLDQ $8, Y4, Y11
|
|
|
|
VPADDQ Y7, Y0, Y0
|
|
VPADDQ Y8, Y1, Y1
|
|
VPADDQ Y9, Y2, Y2
|
|
VPADDQ Y10, Y3, Y3
|
|
VPADDQ Y11, Y4, Y4
|
|
|
|
BYTE $0xc4; BYTE $0xe3; BYTE $0xfd; BYTE $0x00; BYTE $0xf8; BYTE $0xaa // VPERMQ $170, Y0, Y7
|
|
BYTE $0xc4; BYTE $0x63; BYTE $0xfd; BYTE $0x00; BYTE $0xc1; BYTE $0xaa // VPERMQ $170, Y1, Y8
|
|
BYTE $0xc4; BYTE $0x63; BYTE $0xfd; BYTE $0x00; BYTE $0xca; BYTE $0xaa // VPERMQ $170, Y2, Y9
|
|
BYTE $0xc4; BYTE $0x63; BYTE $0xfd; BYTE $0x00; BYTE $0xd3; BYTE $0xaa // VPERMQ $170, Y3, Y10
|
|
BYTE $0xc4; BYTE $0x63; BYTE $0xfd; BYTE $0x00; BYTE $0xdc; BYTE $0xaa // VPERMQ $170, Y4, Y11
|
|
|
|
VPADDQ Y7, Y0, Y0
|
|
VPADDQ Y8, Y1, Y1
|
|
VPADDQ Y9, Y2, Y2
|
|
VPADDQ Y10, Y3, Y3
|
|
VPADDQ Y11, Y4, Y4
|
|
SUBQ $64, DX
|
|
|
|
BETWEEN_0_AND_64:
|
|
TESTQ DX, DX
|
|
JZ DONE
|
|
|
|
BYTE $0xc5; BYTE $0xfa; BYTE $0x7e; BYTE $0xc0 // VMOVQ X0, X0
|
|
BYTE $0xc5; BYTE $0xfa; BYTE $0x7e; BYTE $0xc9 // VMOVQ X1, X1
|
|
BYTE $0xc5; BYTE $0xfa; BYTE $0x7e; BYTE $0xd2 // VMOVQ X2, X2
|
|
BYTE $0xc5; BYTE $0xfa; BYTE $0x7e; BYTE $0xdb // VMOVQ X3, X3
|
|
BYTE $0xc5; BYTE $0xfa; BYTE $0x7e; BYTE $0xe4 // VMOVQ X4, X4
|
|
|
|
MOVQ (R13), BX
|
|
MOVQ SP, AX
|
|
TESTQ $15, DX
|
|
JZ FULL_BLOCKS
|
|
|
|
SUBQ $64, SP
|
|
VPXOR Y7, Y7, Y7
|
|
VMOVDQU Y7, (SP)
|
|
VMOVDQU Y7, 32(SP)
|
|
|
|
XORQ BX, BX
|
|
|
|
FLUSH_BUFFER:
|
|
MOVB (SI)(BX*1), CX
|
|
MOVB CX, (SP)(BX*1)
|
|
INCQ BX
|
|
CMPQ DX, BX
|
|
JNE FLUSH_BUFFER
|
|
|
|
MOVB $1, (SP)(BX*1)
|
|
XORQ BX, BX
|
|
MOVQ SP, SI
|
|
|
|
FULL_BLOCKS:
|
|
CMPQ DX, $16
|
|
JA AT_LEAST_16
|
|
|
|
BYTE $0xc5; BYTE $0xfa; BYTE $0x7e; BYTE $0x3e // VMOVQ 8*0(SI), X7
|
|
BYTE $0xc5; BYTE $0x7a; BYTE $0x7e; BYTE $0x46; BYTE $0x08 // VMOVQ 8*1(SI), X8
|
|
BYTE $0xc4; BYTE $0x61; BYTE $0xf9; BYTE $0x6e; BYTE $0xf3 // VMOVQ BX ,X14
|
|
VMOVDQA (R15), Y13
|
|
JMP MULTIPLY
|
|
|
|
AT_LEAST_16:
|
|
CMPQ DX, $32
|
|
JA AT_LEAST_32
|
|
VMOVDQU 16*0(SI), X9
|
|
VMOVDQU 16*1(SI), X10
|
|
|
|
BYTE $0xc4; BYTE $0x41; BYTE $0x7a; BYTE $0x7e; BYTE $0x75; BYTE $0x00 // VMOVQ (R13), X14
|
|
BYTE $0xc4; BYTE $0x63; BYTE $0x89; BYTE $0x22; BYTE $0xf3; BYTE $0x01 // VPINSRQ $1,BX, X14, X14
|
|
VMOVDQA 32(R15), Y13
|
|
BYTE $0xc4; BYTE $0xc1; BYTE $0x35; BYTE $0x6c; BYTE $0xfa // VPUNPCKLQDQ Y10, Y9, Y7
|
|
BYTE $0xc4; BYTE $0x41; BYTE $0x35; BYTE $0x6d; BYTE $0xc2 // VPUNPCKHQDQ Y10, Y9, Y8
|
|
JMP MULTIPLY
|
|
|
|
AT_LEAST_32:
|
|
CMPQ DX, $48
|
|
JA AT_LEAST_48
|
|
VMOVDQU 32*0(SI), Y9
|
|
VMOVDQU 32*1(SI), X10
|
|
|
|
BYTE $0xc4; BYTE $0x41; BYTE $0x7a; BYTE $0x7e; BYTE $0x75; BYTE $0x00 // VMOVQ 0(R13), X14
|
|
BYTE $0xc4; BYTE $0x63; BYTE $0x89; BYTE $0x22; BYTE $0xf3; BYTE $0x01 // VPINSRQ $1, BX, X14, X14
|
|
BYTE $0xc4; BYTE $0x43; BYTE $0xfd; BYTE $0x00; BYTE $0xf6; BYTE $0xc4 // VPERMQ $196, Y14, Y14
|
|
VMOVDQA 64(R15), Y13
|
|
BYTE $0xc4; BYTE $0xc1; BYTE $0x35; BYTE $0x6c; BYTE $0xfa // VPUNPCKLQDQ Y10, Y9, Y7
|
|
BYTE $0xc4; BYTE $0x41; BYTE $0x35; BYTE $0x6d; BYTE $0xc2 // VPUNPCKHQDQ Y10, Y9, Y8
|
|
JMP MULTIPLY
|
|
|
|
AT_LEAST_48:
|
|
VMOVDQU 32*0(SI), Y9
|
|
VMOVDQU 32*1(SI), Y10
|
|
|
|
BYTE $0xc4; BYTE $0x41; BYTE $0x7a; BYTE $0x7e; BYTE $0x75; BYTE $0x00 // VMOVQ (R13),X14
|
|
BYTE $0xc4; BYTE $0x63; BYTE $0x89; BYTE $0x22; BYTE $0xf3; BYTE $0x01 // VPINSRQ $1,BX,X14,X14
|
|
BYTE $0xc4; BYTE $0x43; BYTE $0xfd; BYTE $0x00; BYTE $0xf6; BYTE $0x40 // VPERMQ $64,Y14,Y14
|
|
VMOVDQA 96(R15), Y13
|
|
BYTE $0xc4; BYTE $0xc1; BYTE $0x35; BYTE $0x6c; BYTE $0xfa // VPUNPCKLQDQ Y10, Y9, Y7
|
|
BYTE $0xc4; BYTE $0x41; BYTE $0x35; BYTE $0x6d; BYTE $0xc2 // VPUNPCKHQDQ Y10, Y9, Y8
|
|
|
|
MULTIPLY:
|
|
MOVQ AX, SP
|
|
|
|
VPSRLQ $26, Y7, Y9
|
|
VPAND Y12, Y7, Y7
|
|
VPADDQ Y7, Y0, Y0
|
|
|
|
VPSRLQ $26, Y9, Y7
|
|
VPAND Y12, Y9, Y9
|
|
VPADDQ Y9, Y1, Y1
|
|
|
|
VPSLLQ $12, Y8, Y9
|
|
VPXOR Y9, Y7, Y7
|
|
VPAND Y12, Y7, Y7
|
|
VPADDQ Y7, Y2, Y2
|
|
|
|
VPSRLQ $26, Y9, Y7
|
|
VPSRLQ $40, Y8, Y9
|
|
VPAND Y12, Y7, Y7
|
|
VPXOR Y14, Y9, Y9
|
|
VPADDQ Y7, Y3, Y3
|
|
VPADDQ Y9, Y4, Y4
|
|
|
|
VMOVDQU 0(DI), Y5
|
|
|
|
BYTE $0xc4; BYTE $0xe2; BYTE $0x15; BYTE $0x36; BYTE $0xed // VPERMD Y5, Y13, Y5
|
|
BYTE $0xc5; BYTE $0xfd; BYTE $0xf4; BYTE $0xfd // VPMULUDQ Y5, Y0, Y7
|
|
BYTE $0xc5; BYTE $0x75; BYTE $0xf4; BYTE $0xc5 // VPMULUDQ Y5, Y1, Y8
|
|
BYTE $0xc5; BYTE $0x6d; BYTE $0xf4; BYTE $0xcd // VPMULUDQ Y5, Y2, Y9
|
|
BYTE $0xc5; BYTE $0x65; BYTE $0xf4; BYTE $0xd5 // VPMULUDQ Y5, Y3, Y10
|
|
BYTE $0xc5; BYTE $0x5d; BYTE $0xf4; BYTE $0xdd // VPMULUDQ Y5, Y4, Y11
|
|
|
|
VMOVDQU 160(DI), Y5
|
|
|
|
BYTE $0xc4; BYTE $0xe2; BYTE $0x15; BYTE $0x36; BYTE $0xed // VPERMD Y5, Y13, Y5
|
|
BYTE $0xc5; BYTE $0xdd; BYTE $0xf4; BYTE $0xf5 // VPMULUDQ Y5, Y4, Y6
|
|
VPADDQ Y6, Y7, Y7
|
|
VMOVDQU 32(DI), Y5
|
|
BYTE $0xc4; BYTE $0xe2; BYTE $0x15; BYTE $0x36; BYTE $0xed // VPERMD Y5, Y13, Y5
|
|
BYTE $0xc5; BYTE $0xfd; BYTE $0xf4; BYTE $0xf5 // VPMULUDQ Y5, Y0, Y6
|
|
VPADDQ Y6, Y8, Y8
|
|
BYTE $0xc5; BYTE $0xf5; BYTE $0xf4; BYTE $0xf5 // VPMULUDQ Y5, Y1, Y6
|
|
VPADDQ Y6, Y9, Y9
|
|
BYTE $0xc5; BYTE $0xed; BYTE $0xf4; BYTE $0xf5 // VPMULUDQ Y5, Y2, Y6
|
|
VPADDQ Y6, Y10, Y10
|
|
BYTE $0xc5; BYTE $0xe5; BYTE $0xf4; BYTE $0xf5 // VPMULUDQ Y5, Y3, Y6
|
|
VPADDQ Y6, Y11, Y11
|
|
|
|
VMOVDQU 192(DI), Y5
|
|
BYTE $0xc4; BYTE $0xe2; BYTE $0x15; BYTE $0x36; BYTE $0xed // VPERMD Y5, Y13, Y5
|
|
BYTE $0xc5; BYTE $0xe5; BYTE $0xf4; BYTE $0xf5 // VPMULUDQ Y5, Y3, Y6
|
|
VPADDQ Y6, Y7, Y7
|
|
BYTE $0xc5; BYTE $0xdd; BYTE $0xf4; BYTE $0xf5 // VPMULUDQ Y5, Y4, Y6
|
|
VPADDQ Y6, Y8, Y8
|
|
|
|
VMOVDQU 64(DI), Y5
|
|
BYTE $0xc4; BYTE $0xe2; BYTE $0x15; BYTE $0x36; BYTE $0xed // VPERMD Y5, Y13, Y5
|
|
BYTE $0xc5; BYTE $0xfd; BYTE $0xf4; BYTE $0xf5 // VPMULUDQ Y5, Y0, Y6
|
|
VPADDQ Y6, Y9, Y9
|
|
BYTE $0xc5; BYTE $0xf5; BYTE $0xf4; BYTE $0xf5 // VPMULUDQ Y5, Y1, Y6
|
|
VPADDQ Y6, Y10, Y10
|
|
BYTE $0xc5; BYTE $0xed; BYTE $0xf4; BYTE $0xf5 // VPMULUDQ Y5, Y2, Y6
|
|
VPADDQ Y6, Y11, Y11
|
|
|
|
VMOVDQU 224(DI), Y5
|
|
BYTE $0xc4; BYTE $0xe2; BYTE $0x15; BYTE $0x36; BYTE $0xed // VPERMD Y5, Y13, Y5
|
|
BYTE $0xc5; BYTE $0xed; BYTE $0xf4; BYTE $0xf5 // VPMULUDQ Y5, Y2, Y6
|
|
VPADDQ Y6, Y7, Y7
|
|
BYTE $0xc5; BYTE $0xe5; BYTE $0xf4; BYTE $0xf5 // VPMULUDQ Y5, Y3, Y6
|
|
VPADDQ Y6, Y8, Y8
|
|
BYTE $0xc5; BYTE $0xdd; BYTE $0xf4; BYTE $0xf5 // VPMULUDQ Y5, Y4, Y6
|
|
VPADDQ Y6, Y9, Y9
|
|
|
|
VMOVDQU 96(DI), Y5
|
|
BYTE $0xc4; BYTE $0xe2; BYTE $0x15; BYTE $0x36; BYTE $0xed // VPERMD Y5, Y13, Y5
|
|
BYTE $0xc5; BYTE $0xfd; BYTE $0xf4; BYTE $0xf5 // VPMULUDQ Y5, Y0, Y6
|
|
VPADDQ Y6, Y10, Y10
|
|
BYTE $0xc5; BYTE $0xf5; BYTE $0xf4; BYTE $0xf5 // VPMULUDQ Y5, Y1, Y6
|
|
VPADDQ Y6, Y11, Y11
|
|
|
|
VMOVDQU 256(DI), Y5
|
|
BYTE $0xc4; BYTE $0xe2; BYTE $0x15; BYTE $0x36; BYTE $0xed // VPERMD Y5, Y13, Y5
|
|
BYTE $0xc5; BYTE $0xf5; BYTE $0xf4; BYTE $0xf5 // VPMULUDQ Y5, Y1,Y6
|
|
VPADDQ Y6, Y7, Y7
|
|
BYTE $0xc5; BYTE $0xed; BYTE $0xf4; BYTE $0xf5 // VPMULUDQ Y5, Y2, Y6
|
|
VPADDQ Y6, Y8, Y8
|
|
BYTE $0xc5; BYTE $0xe5; BYTE $0xf4; BYTE $0xf5 // VPMULUDQ Y5, Y3, Y6
|
|
VPADDQ Y6, Y9, Y9
|
|
BYTE $0xc5; BYTE $0xdd; BYTE $0xf4; BYTE $0xf5 // VPMULUDQ Y5, Y4, Y6
|
|
VPADDQ Y6, Y10, Y10
|
|
|
|
VMOVDQU 128(DI), Y5
|
|
BYTE $0xc4; BYTE $0xe2; BYTE $0x15; BYTE $0x36; BYTE $0xed // VPERMD Y5, Y13, Y5
|
|
BYTE $0xc5; BYTE $0xfd; BYTE $0xf4; BYTE $0xf5 // VPMULUDQ Y5, Y0, Y6
|
|
VPADDQ Y6, Y11, Y11
|
|
|
|
VPSRLQ $26, Y10, Y5
|
|
VPADDQ Y5, Y11, Y11
|
|
VPAND Y12, Y10, Y10
|
|
VPSRLQ $26, Y11, Y5
|
|
VPSLLQ $2, Y5, Y6
|
|
VPADDQ Y6, Y5, Y5
|
|
VPADDQ Y5, Y7, Y7
|
|
VPAND Y12, Y11, Y11
|
|
VPSRLQ $26, Y7, Y5
|
|
VPAND Y12, Y7, Y0
|
|
VPADDQ Y5, Y8, Y8
|
|
VPSRLQ $26, Y8, Y5
|
|
VPAND Y12, Y8, Y1
|
|
VPADDQ Y5, Y9, Y9
|
|
VPSRLQ $26, Y9, Y5
|
|
VPAND Y12, Y9, Y2
|
|
VPADDQ Y5, Y10, Y10
|
|
VPSRLQ $26, Y10, Y5
|
|
VPAND Y12, Y10, Y3
|
|
VPADDQ Y5, Y11, Y4
|
|
|
|
VPSRLDQ $8, Y0, Y7
|
|
VPSRLDQ $8, Y1, Y8
|
|
VPSRLDQ $8, Y2, Y9
|
|
VPSRLDQ $8, Y3, Y10
|
|
VPSRLDQ $8, Y4, Y11
|
|
|
|
VPADDQ Y7, Y0, Y0
|
|
VPADDQ Y8, Y1, Y1
|
|
VPADDQ Y9, Y2, Y2
|
|
VPADDQ Y10, Y3, Y3
|
|
VPADDQ Y11, Y4, Y4
|
|
|
|
BYTE $0xc4; BYTE $0xe3; BYTE $0xfd; BYTE $0x00; BYTE $0xf8; BYTE $0xaa // VPERMQ $170, Y0, Y7
|
|
BYTE $0xc4; BYTE $0x63; BYTE $0xfd; BYTE $0x00; BYTE $0xc1; BYTE $0xaa // VPERMQ $170, Y1, Y8
|
|
BYTE $0xc4; BYTE $0x63; BYTE $0xfd; BYTE $0x00; BYTE $0xca; BYTE $0xaa // VPERMQ $170, Y2, Y9
|
|
BYTE $0xc4; BYTE $0x63; BYTE $0xfd; BYTE $0x00; BYTE $0xd3; BYTE $0xaa // VPERMQ $170, Y3, Y10
|
|
BYTE $0xc4; BYTE $0x63; BYTE $0xfd; BYTE $0x00; BYTE $0xdc; BYTE $0xaa // VPERMQ $170, Y4, Y11
|
|
|
|
VPADDQ Y7, Y0, Y0
|
|
VPADDQ Y8, Y1, Y1
|
|
VPADDQ Y9, Y2, Y2
|
|
VPADDQ Y10, Y3, Y3
|
|
VPADDQ Y11, Y4, Y4
|
|
|
|
DONE:
|
|
VZEROUPPER
|
|
MOVD X0, 304(DI)
|
|
MOVD X1, 308(DI)
|
|
MOVD X2, 312(DI)
|
|
MOVD X3, 316(DI)
|
|
MOVD X4, 320(DI)
|
|
RET
|
|
|
|
TEXT ·finalizeAVX2(SB), $0-16
|
|
MOVQ out+0(FP), SI
|
|
MOVQ state+8(FP), DI
|
|
|
|
VZEROUPPER
|
|
|
|
BYTE $0xc5; BYTE $0xf9; BYTE $0x6e; BYTE $0x87; BYTE $0x30; BYTE $0x01; BYTE $0x00; BYTE $0x00 // VMOVD 304(DI), X0
|
|
BYTE $0xc5; BYTE $0xf9; BYTE $0x6e; BYTE $0x8f; BYTE $0x34; BYTE $0x01; BYTE $0x00; BYTE $0x00 // VMOVD 308(DI), X1
|
|
BYTE $0xc5; BYTE $0xf9; BYTE $0x6e; BYTE $0x97; BYTE $0x38; BYTE $0x01; BYTE $0x00; BYTE $0x00 // VMOVD 312(DI), X2
|
|
BYTE $0xc5; BYTE $0xf9; BYTE $0x6e; BYTE $0x9f; BYTE $0x3c; BYTE $0x01; BYTE $0x00; BYTE $0x00 // VMOVD 316(DI), X3
|
|
BYTE $0xc5; BYTE $0xf9; BYTE $0x6e; BYTE $0xa7; BYTE $0x40; BYTE $0x01; BYTE $0x00; BYTE $0x00 // VMOVD 320(DI), X4
|
|
|
|
VMOVDQU addMaskAVX2<>(SB), X7
|
|
|
|
VPSRLQ $26, X4, X5
|
|
VPSLLQ $2, X5, X6
|
|
VPADDQ X6, X5, X5
|
|
VPADDQ X5, X0, X0
|
|
VPAND X7, X4, X4
|
|
|
|
VPSRLQ $26, X0, X5
|
|
VPAND X7, X0, X0
|
|
VPADDQ X5, X1, X1
|
|
VPSRLQ $26, X1, X5
|
|
VPAND X7, X1, X1
|
|
VPADDQ X5, X2, X2
|
|
VPSRLQ $26, X2, X5
|
|
VPAND X7, X2, X2
|
|
VPADDQ X5, X3, X3
|
|
VPSRLQ $26, X3, X5
|
|
VPAND X7, X3, X3
|
|
VPADDQ X5, X4, X4
|
|
|
|
VPSLLQ $26, X1, X5
|
|
VPXOR X5, X0, X0
|
|
VPSLLQ $52, X2, X5
|
|
VPXOR X5, X0, X0
|
|
VPSRLQ $12, X2, X1
|
|
VPSLLQ $14, X3, X5
|
|
VPXOR X5, X1, X1
|
|
VPSLLQ $40, X4, X5
|
|
VPXOR X5, X1, X1
|
|
|
|
VZEROUPPER
|
|
|
|
MOVQ X0, AX
|
|
MOVQ X1, BX
|
|
|
|
ADDQ 288(DI), AX
|
|
ADCQ 288+8(DI), BX
|
|
MOVQ AX, (SI)
|
|
MOVQ BX, 8(SI)
|
|
|
|
RET
|