crypto: sha512 - Optimized SHA512 x86_64 assembly routine using AVX2 RORX instruction.
authorTim Chen <tim.c.chen@linux.intel.com>
Tue, 26 Mar 2013 20:59:55 +0000 (13:59 -0700)
committerHerbert Xu <herbert@gondor.apana.org.au>
Thu, 25 Apr 2013 13:00:58 +0000 (21:00 +0800)
Provides SHA512 x86_64 assembly routine optimized with SSE, AVX and
AVX2's RORX instructions.  Speedup of 70% or more has been
measured over the generic implementation.

Signed-off-by: Tim Chen <tim.c.chen@linux.intel.com>
Signed-off-by: Herbert Xu <herbert@gondor.apana.org.au>
arch/x86/crypto/sha512-avx2-asm.S [new file with mode: 0644]

diff --git a/arch/x86/crypto/sha512-avx2-asm.S b/arch/x86/crypto/sha512-avx2-asm.S
new file mode 100644 (file)
index 0000000..568b961
--- /dev/null
@@ -0,0 +1,743 @@
+########################################################################
+# Implement fast SHA-512 with AVX2 instructions. (x86_64)
+#
+# Copyright (C) 2013 Intel Corporation.
+#
+# Authors:
+#     James Guilford <james.guilford@intel.com>
+#     Kirk Yap <kirk.s.yap@intel.com>
+#     David Cote <david.m.cote@intel.com>
+#     Tim Chen <tim.c.chen@linux.intel.com>
+#
+# This software is available to you under a choice of one of two
+# licenses.  You may choose to be licensed under the terms of the GNU
+# General Public License (GPL) Version 2, available from the file
+# COPYING in the main directory of this source tree, or the
+# OpenIB.org BSD license below:
+#
+#     Redistribution and use in source and binary forms, with or
+#     without modification, are permitted provided that the following
+#     conditions are met:
+#
+#      - Redistributions of source code must retain the above
+#        copyright notice, this list of conditions and the following
+#        disclaimer.
+#
+#      - Redistributions in binary form must reproduce the above
+#        copyright notice, this list of conditions and the following
+#        disclaimer in the documentation and/or other materials
+#        provided with the distribution.
+#
+# THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND,
+# EXPRESS OR IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF
+# MERCHANTABILITY, FITNESS FOR A PARTICULAR PURPOSE AND
+# NONINFRINGEMENT. IN NO EVENT SHALL THE AUTHORS OR COPYRIGHT HOLDERS
+# BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER LIABILITY, WHETHER IN AN
+# ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM, OUT OF OR IN
+# CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN THE
+# SOFTWARE.
+#
+########################################################################
+#
+# This code is described in an Intel White-Paper:
+# "Fast SHA-512 Implementations on Intel Architecture Processors"
+#
+# To find it, surf to http://www.intel.com/p/en_US/embedded
+# and search for that title.
+#
+########################################################################
+# This code schedules 1 blocks at a time, with 4 lanes per block
+########################################################################
+
+#ifdef CONFIG_AS_AVX2
+#include <linux/linkage.h>
+
+.text
+
+# Virtual Registers
+Y_0 = %ymm4
+Y_1 = %ymm5
+Y_2 = %ymm6
+Y_3 = %ymm7
+
+YTMP0 = %ymm0
+YTMP1 = %ymm1
+YTMP2 = %ymm2
+YTMP3 = %ymm3
+YTMP4 = %ymm8
+XFER  = YTMP0
+
+BYTE_FLIP_MASK  = %ymm9
+
+# 1st arg
+INP         = %rdi
+# 2nd arg
+CTX         = %rsi
+# 3rd arg
+NUM_BLKS    = %rdx
+
+c           = %rcx
+d           = %r8
+e           = %rdx
+y3          = %rdi
+
+TBL   = %rbp
+
+a     = %rax
+b     = %rbx
+
+f     = %r9
+g     = %r10
+h     = %r11
+old_h = %r11
+
+T1    = %r12
+y0    = %r13
+y1    = %r14
+y2    = %r15
+
+y4    = %r12
+
+# Local variables (stack frame)
+XFER_SIZE = 4*8
+SRND_SIZE = 1*8
+INP_SIZE = 1*8
+INPEND_SIZE = 1*8
+RSPSAVE_SIZE = 1*8
+GPRSAVE_SIZE = 6*8
+
+frame_XFER = 0
+frame_SRND = frame_XFER + XFER_SIZE
+frame_INP = frame_SRND + SRND_SIZE
+frame_INPEND = frame_INP + INP_SIZE
+frame_RSPSAVE = frame_INPEND + INPEND_SIZE
+frame_GPRSAVE = frame_RSPSAVE + RSPSAVE_SIZE
+frame_size = frame_GPRSAVE + GPRSAVE_SIZE
+
+## assume buffers not aligned
+#define        VMOVDQ vmovdqu
+
+# addm [mem], reg
+# Add reg to mem using reg-mem add and store
+.macro addm p1 p2
+       add     \p1, \p2
+       mov     \p2, \p1
+.endm
+
+
+# COPY_YMM_AND_BSWAP ymm, [mem], byte_flip_mask
+# Load ymm with mem and byte swap each dword
+.macro COPY_YMM_AND_BSWAP p1 p2 p3
+       VMOVDQ \p2, \p1
+       vpshufb \p3, \p1, \p1
+.endm
+# rotate_Ys
+# Rotate values of symbols Y0...Y3
+.macro rotate_Ys
+       Y_ = Y_0
+       Y_0 = Y_1
+       Y_1 = Y_2
+       Y_2 = Y_3
+       Y_3 = Y_
+.endm
+
+# RotateState
+.macro RotateState
+       # Rotate symbols a..h right
+       old_h  = h
+       TMP_   = h
+       h      = g
+       g      = f
+       f      = e
+       e      = d
+       d      = c
+       c      = b
+       b      = a
+       a      = TMP_
+.endm
+
+# macro MY_VPALIGNR    YDST, YSRC1, YSRC2, RVAL
+# YDST = {YSRC1, YSRC2} >> RVAL*8
+.macro MY_VPALIGNR YDST YSRC1 YSRC2 RVAL
+       vperm2f128      $0x3, \YSRC2, \YSRC1, \YDST     # YDST = {YS1_LO, YS2_HI}
+       vpalignr        $\RVAL, \YSRC2, \YDST, \YDST    # YDST = {YDS1, YS2} >> RVAL*8
+.endm
+
+.macro FOUR_ROUNDS_AND_SCHED
+################################### RND N + 0 #########################################
+
+       # Extract w[t-7]
+       MY_VPALIGNR     YTMP0, Y_3, Y_2, 8              # YTMP0 = W[-7]
+       # Calculate w[t-16] + w[t-7]
+       vpaddq          Y_0, YTMP0, YTMP0               # YTMP0 = W[-7] + W[-16]
+       # Extract w[t-15]
+       MY_VPALIGNR     YTMP1, Y_1, Y_0, 8              # YTMP1 = W[-15]
+
+       # Calculate sigma0
+
+       # Calculate w[t-15] ror 1
+       vpsrlq          $1, YTMP1, YTMP2
+       vpsllq          $(64-1), YTMP1, YTMP3
+       vpor            YTMP2, YTMP3, YTMP3             # YTMP3 = W[-15] ror 1
+       # Calculate w[t-15] shr 7
+       vpsrlq          $7, YTMP1, YTMP4                # YTMP4 = W[-15] >> 7
+
+       mov     a, y3           # y3 = a                                # MAJA
+       rorx    $41, e, y0      # y0 = e >> 41                          # S1A
+       rorx    $18, e, y1      # y1 = e >> 18                          # S1B
+       add     frame_XFER(%rsp),h              # h = k + w + h         # --
+       or      c, y3           # y3 = a|c                              # MAJA
+       mov     f, y2           # y2 = f                                # CH
+       rorx    $34, a, T1      # T1 = a >> 34                          # S0B
+
+       xor     y1, y0          # y0 = (e>>41) ^ (e>>18)                # S1
+       xor     g, y2           # y2 = f^g                              # CH
+       rorx    $14, e, y1      # y1 = (e >> 14)                        # S1
+
+       and     e, y2           # y2 = (f^g)&e                          # CH
+       xor     y1, y0          # y0 = (e>>41) ^ (e>>18) ^ (e>>14)      # S1
+       rorx    $39, a, y1      # y1 = a >> 39                          # S0A
+       add     h, d            # d = k + w + h + d                     # --
+
+       and     b, y3           # y3 = (a|c)&b                          # MAJA
+       xor     T1, y1          # y1 = (a>>39) ^ (a>>34)                # S0
+       rorx    $28, a, T1      # T1 = (a >> 28)                        # S0
+
+       xor     g, y2           # y2 = CH = ((f^g)&e)^g                 # CH
+       xor     T1, y1          # y1 = (a>>39) ^ (a>>34) ^ (a>>28)      # S0
+       mov     a, T1           # T1 = a                                # MAJB
+       and     c, T1           # T1 = a&c                              # MAJB
+
+       add     y0, y2          # y2 = S1 + CH                          # --
+       or      T1, y3          # y3 = MAJ = (a|c)&b)|(a&c)             # MAJ
+       add     y1, h           # h = k + w + h + S0                    # --
+
+       add     y2, d           # d = k + w + h + d + S1 + CH = d + t1  # --
+
+       add     y2, h           # h = k + w + h + S0 + S1 + CH = t1 + S0# --
+       add     y3, h           # h = t1 + S0 + MAJ                     # --
+
+       RotateState
+
+################################### RND N + 1 #########################################
+
+       # Calculate w[t-15] ror 8
+       vpsrlq          $8, YTMP1, YTMP2
+       vpsllq          $(64-8), YTMP1, YTMP1
+       vpor            YTMP2, YTMP1, YTMP1             # YTMP1 = W[-15] ror 8
+       # XOR the three components
+       vpxor           YTMP4, YTMP3, YTMP3             # YTMP3 = W[-15] ror 1 ^ W[-15] >> 7
+       vpxor           YTMP1, YTMP3, YTMP1             # YTMP1 = s0
+
+
+       # Add three components, w[t-16], w[t-7] and sigma0
+       vpaddq          YTMP1, YTMP0, YTMP0             # YTMP0 = W[-16] + W[-7] + s0
+       # Move to appropriate lanes for calculating w[16] and w[17]
+       vperm2f128      $0x0, YTMP0, YTMP0, Y_0         # Y_0 = W[-16] + W[-7] + s0 {BABA}
+       # Move to appropriate lanes for calculating w[18] and w[19]
+       vpand           MASK_YMM_LO(%rip), YTMP0, YTMP0 # YTMP0 = W[-16] + W[-7] + s0 {DC00}
+
+       # Calculate w[16] and w[17] in both 128 bit lanes
+
+       # Calculate sigma1 for w[16] and w[17] on both 128 bit lanes
+       vperm2f128      $0x11, Y_3, Y_3, YTMP2          # YTMP2 = W[-2] {BABA}
+       vpsrlq          $6, YTMP2, YTMP4                # YTMP4 = W[-2] >> 6 {BABA}
+
+
+       mov     a, y3           # y3 = a                                # MAJA
+       rorx    $41, e, y0      # y0 = e >> 41                          # S1A
+       rorx    $18, e, y1      # y1 = e >> 18                          # S1B
+       add     1*8+frame_XFER(%rsp), h         # h = k + w + h         # --
+       or      c, y3           # y3 = a|c                              # MAJA
+
+
+       mov     f, y2           # y2 = f                                # CH
+       rorx    $34, a, T1      # T1 = a >> 34                          # S0B
+       xor     y1, y0          # y0 = (e>>41) ^ (e>>18)                # S1
+       xor     g, y2           # y2 = f^g                              # CH
+
+
+       rorx    $14, e, y1      # y1 = (e >> 14)                        # S1
+       xor     y1, y0          # y0 = (e>>41) ^ (e>>18) ^ (e>>14)      # S1
+       rorx    $39, a, y1      # y1 = a >> 39                          # S0A
+       and     e, y2           # y2 = (f^g)&e                          # CH
+       add     h, d            # d = k + w + h + d                     # --
+
+       and     b, y3           # y3 = (a|c)&b                          # MAJA
+       xor     T1, y1          # y1 = (a>>39) ^ (a>>34)                # S0
+
+       rorx    $28, a, T1      # T1 = (a >> 28)                        # S0
+       xor     g, y2           # y2 = CH = ((f^g)&e)^g                 # CH
+
+       xor     T1, y1          # y1 = (a>>39) ^ (a>>34) ^ (a>>28)      # S0
+       mov     a, T1           # T1 = a                                # MAJB
+       and     c, T1           # T1 = a&c                              # MAJB
+       add     y0, y2          # y2 = S1 + CH                          # --
+
+       or      T1, y3          # y3 = MAJ = (a|c)&b)|(a&c)             # MAJ
+       add     y1, h           # h = k + w + h + S0                    # --
+
+       add     y2, d           # d = k + w + h + d + S1 + CH = d + t1  # --
+       add     y2, h           # h = k + w + h + S0 + S1 + CH = t1 + S0# --
+       add     y3, h           # h = t1 + S0 + MAJ                     # --
+
+       RotateState
+
+
+################################### RND N + 2 #########################################
+
+       vpsrlq          $19, YTMP2, YTMP3               # YTMP3 = W[-2] >> 19 {BABA}
+       vpsllq          $(64-19), YTMP2, YTMP1          # YTMP1 = W[-2] << 19 {BABA}
+       vpor            YTMP1, YTMP3, YTMP3             # YTMP3 = W[-2] ror 19 {BABA}
+       vpxor           YTMP3, YTMP4, YTMP4             # YTMP4 = W[-2] ror 19 ^ W[-2] >> 6 {BABA}
+       vpsrlq          $61, YTMP2, YTMP3               # YTMP3 = W[-2] >> 61 {BABA}
+       vpsllq          $(64-61), YTMP2, YTMP1          # YTMP1 = W[-2] << 61 {BABA}
+       vpor            YTMP1, YTMP3, YTMP3             # YTMP3 = W[-2] ror 61 {BABA}
+       vpxor           YTMP3, YTMP4, YTMP4             # YTMP4 = s1 = (W[-2] ror 19) ^
+                                                       #  (W[-2] ror 61) ^ (W[-2] >> 6) {BABA}
+
+       # Add sigma1 to the other compunents to get w[16] and w[17]
+       vpaddq          YTMP4, Y_0, Y_0                 # Y_0 = {W[1], W[0], W[1], W[0]}
+
+       # Calculate sigma1 for w[18] and w[19] for upper 128 bit lane
+       vpsrlq          $6, Y_0, YTMP4                  # YTMP4 = W[-2] >> 6 {DC--}
+
+       mov     a, y3           # y3 = a                                # MAJA
+       rorx    $41, e, y0      # y0 = e >> 41                          # S1A
+       add     2*8+frame_XFER(%rsp), h         # h = k + w + h         # --
+
+       rorx    $18, e, y1      # y1 = e >> 18                          # S1B
+       or      c, y3           # y3 = a|c                              # MAJA
+       mov     f, y2           # y2 = f                                # CH
+       xor     g, y2           # y2 = f^g                              # CH
+
+       rorx    $34, a, T1      # T1 = a >> 34                          # S0B
+       xor     y1, y0          # y0 = (e>>41) ^ (e>>18)                # S1
+       and     e, y2           # y2 = (f^g)&e                          # CH
+
+       rorx    $14, e, y1      # y1 = (e >> 14)                        # S1
+       add     h, d            # d = k + w + h + d                     # --
+       and     b, y3           # y3 = (a|c)&b                          # MAJA
+
+       xor     y1, y0          # y0 = (e>>41) ^ (e>>18) ^ (e>>14)      # S1
+       rorx    $39, a, y1      # y1 = a >> 39                          # S0A
+       xor     g, y2           # y2 = CH = ((f^g)&e)^g                 # CH
+
+       xor     T1, y1          # y1 = (a>>39) ^ (a>>34)                # S0
+       rorx    $28, a, T1      # T1 = (a >> 28)                        # S0
+
+       xor     T1, y1          # y1 = (a>>39) ^ (a>>34) ^ (a>>28)      # S0
+       mov     a, T1           # T1 = a                                # MAJB
+       and     c, T1           # T1 = a&c                              # MAJB
+       add     y0, y2          # y2 = S1 + CH                          # --
+
+       or      T1, y3          # y3 = MAJ = (a|c)&b)|(a&c)             # MAJ
+       add     y1, h           # h = k + w + h + S0                    # --
+       add     y2, d           # d = k + w + h + d + S1 + CH = d + t1  # --
+       add     y2, h           # h = k + w + h + S0 + S1 + CH = t1 + S0# --
+
+       add     y3, h           # h = t1 + S0 + MAJ                     # --
+
+       RotateState
+
+################################### RND N + 3 #########################################
+
+       vpsrlq          $19, Y_0, YTMP3                 # YTMP3 = W[-2] >> 19 {DC--}
+       vpsllq          $(64-19), Y_0, YTMP1            # YTMP1 = W[-2] << 19 {DC--}
+       vpor            YTMP1, YTMP3, YTMP3             # YTMP3 = W[-2] ror 19 {DC--}
+       vpxor           YTMP3, YTMP4, YTMP4             # YTMP4 = W[-2] ror 19 ^ W[-2] >> 6 {DC--}
+       vpsrlq          $61, Y_0, YTMP3                 # YTMP3 = W[-2] >> 61 {DC--}
+       vpsllq          $(64-61), Y_0, YTMP1            # YTMP1 = W[-2] << 61 {DC--}
+       vpor            YTMP1, YTMP3, YTMP3             # YTMP3 = W[-2] ror 61 {DC--}
+       vpxor           YTMP3, YTMP4, YTMP4             # YTMP4 = s1 = (W[-2] ror 19) ^
+                                                       #  (W[-2] ror 61) ^ (W[-2] >> 6) {DC--}
+
+       # Add the sigma0 + w[t-7] + w[t-16] for w[18] and w[19]
+       # to newly calculated sigma1 to get w[18] and w[19]
+       vpaddq          YTMP4, YTMP0, YTMP2             # YTMP2 = {W[3], W[2], --, --}
+
+       # Form w[19, w[18], w17], w[16]
+       vpblendd                $0xF0, YTMP2, Y_0, Y_0          # Y_0 = {W[3], W[2], W[1], W[0]}
+
+       mov     a, y3           # y3 = a                                # MAJA
+       rorx    $41, e, y0      # y0 = e >> 41                          # S1A
+       rorx    $18, e, y1      # y1 = e >> 18                          # S1B
+       add     3*8+frame_XFER(%rsp), h         # h = k + w + h         # --
+       or      c, y3           # y3 = a|c                              # MAJA
+
+
+       mov     f, y2           # y2 = f                                # CH
+       rorx    $34, a, T1      # T1 = a >> 34                          # S0B
+       xor     y1, y0          # y0 = (e>>41) ^ (e>>18)                # S1
+       xor     g, y2           # y2 = f^g                              # CH
+
+
+       rorx    $14, e, y1      # y1 = (e >> 14)                        # S1
+       and     e, y2           # y2 = (f^g)&e                          # CH
+       add     h, d            # d = k + w + h + d                     # --
+       and     b, y3           # y3 = (a|c)&b                          # MAJA
+
+       xor     y1, y0          # y0 = (e>>41) ^ (e>>18) ^ (e>>14)      # S1
+       xor     g, y2           # y2 = CH = ((f^g)&e)^g                 # CH
+
+       rorx    $39, a, y1      # y1 = a >> 39                          # S0A
+       add     y0, y2          # y2 = S1 + CH                          # --
+
+       xor     T1, y1          # y1 = (a>>39) ^ (a>>34)                # S0
+       add     y2, d           # d = k + w + h + d + S1 + CH = d + t1  # --
+
+       rorx    $28, a, T1      # T1 = (a >> 28)                        # S0
+
+       xor     T1, y1          # y1 = (a>>39) ^ (a>>34) ^ (a>>28)      # S0
+       mov     a, T1           # T1 = a                                # MAJB
+       and     c, T1           # T1 = a&c                              # MAJB
+       or      T1, y3          # y3 = MAJ = (a|c)&b)|(a&c)             # MAJ
+
+       add     y1, h           # h = k + w + h + S0                    # --
+       add     y2, h           # h = k + w + h + S0 + S1 + CH = t1 + S0# --
+       add     y3, h           # h = t1 + S0 + MAJ                     # --
+
+       RotateState
+
+       rotate_Ys
+.endm
+
+.macro DO_4ROUNDS
+
+################################### RND N + 0 #########################################
+
+       mov     f, y2           # y2 = f                                # CH
+       rorx    $41, e, y0      # y0 = e >> 41                          # S1A
+       rorx    $18, e, y1      # y1 = e >> 18                          # S1B
+       xor     g, y2           # y2 = f^g                              # CH
+
+       xor     y1, y0          # y0 = (e>>41) ^ (e>>18)                # S1
+       rorx    $14, e, y1      # y1 = (e >> 14)                        # S1
+       and     e, y2           # y2 = (f^g)&e                          # CH
+
+       xor     y1, y0          # y0 = (e>>41) ^ (e>>18) ^ (e>>14)      # S1
+       rorx    $34, a, T1      # T1 = a >> 34                          # S0B
+       xor     g, y2           # y2 = CH = ((f^g)&e)^g                 # CH
+       rorx    $39, a, y1      # y1 = a >> 39                          # S0A
+       mov     a, y3           # y3 = a                                # MAJA
+
+       xor     T1, y1          # y1 = (a>>39) ^ (a>>34)                # S0
+       rorx    $28, a, T1      # T1 = (a >> 28)                        # S0
+       add     frame_XFER(%rsp), h             # h = k + w + h         # --
+       or      c, y3           # y3 = a|c                              # MAJA
+
+       xor     T1, y1          # y1 = (a>>39) ^ (a>>34) ^ (a>>28)      # S0
+       mov     a, T1           # T1 = a                                # MAJB
+       and     b, y3           # y3 = (a|c)&b                          # MAJA
+       and     c, T1           # T1 = a&c                              # MAJB
+       add     y0, y2          # y2 = S1 + CH                          # --
+
+       add     h, d            # d = k + w + h + d                     # --
+       or      T1, y3          # y3 = MAJ = (a|c)&b)|(a&c)             # MAJ
+       add     y1, h           # h = k + w + h + S0                    # --
+
+       add     y2, d           # d = k + w + h + d + S1 + CH = d + t1  # --
+
+       RotateState
+
+################################### RND N + 1 #########################################
+
+       add     y2, old_h       # h = k + w + h + S0 + S1 + CH = t1 + S0# --
+       mov     f, y2           # y2 = f                                # CH
+       rorx    $41, e, y0      # y0 = e >> 41                          # S1A
+       rorx    $18, e, y1      # y1 = e >> 18                          # S1B
+       xor     g, y2           # y2 = f^g                              # CH
+
+       xor     y1, y0          # y0 = (e>>41) ^ (e>>18)                # S1
+       rorx    $14, e, y1      # y1 = (e >> 14)                        # S1
+       and     e, y2           # y2 = (f^g)&e                          # CH
+       add     y3, old_h       # h = t1 + S0 + MAJ                     # --
+
+       xor     y1, y0          # y0 = (e>>41) ^ (e>>18) ^ (e>>14)      # S1
+       rorx    $34, a, T1      # T1 = a >> 34                          # S0B
+       xor     g, y2           # y2 = CH = ((f^g)&e)^g                 # CH
+       rorx    $39, a, y1      # y1 = a >> 39                          # S0A
+       mov     a, y3           # y3 = a                                # MAJA
+
+       xor     T1, y1          # y1 = (a>>39) ^ (a>>34)                # S0
+       rorx    $28, a, T1      # T1 = (a >> 28)                        # S0
+       add     8*1+frame_XFER(%rsp), h         # h = k + w + h         # --
+       or      c, y3           # y3 = a|c                              # MAJA
+
+       xor     T1, y1          # y1 = (a>>39) ^ (a>>34) ^ (a>>28)      # S0
+       mov     a, T1           # T1 = a                                # MAJB
+       and     b, y3           # y3 = (a|c)&b                          # MAJA
+       and     c, T1           # T1 = a&c                              # MAJB
+       add     y0, y2          # y2 = S1 + CH                          # --
+
+       add     h, d            # d = k + w + h + d                     # --
+       or      T1, y3          # y3 = MAJ = (a|c)&b)|(a&c)             # MAJ
+       add     y1, h           # h = k + w + h + S0                    # --
+
+       add     y2, d           # d = k + w + h + d + S1 + CH = d + t1  # --
+
+       RotateState
+
+################################### RND N + 2 #########################################
+
+       add     y2, old_h       # h = k + w + h + S0 + S1 + CH = t1 + S0# --
+       mov     f, y2           # y2 = f                                # CH
+       rorx    $41, e, y0      # y0 = e >> 41                          # S1A
+       rorx    $18, e, y1      # y1 = e >> 18                          # S1B
+       xor     g, y2           # y2 = f^g                              # CH
+
+       xor     y1, y0          # y0 = (e>>41) ^ (e>>18)                # S1
+       rorx    $14, e, y1      # y1 = (e >> 14)                        # S1
+       and     e, y2           # y2 = (f^g)&e                          # CH
+       add     y3, old_h       # h = t1 + S0 + MAJ                     # --
+
+       xor     y1, y0          # y0 = (e>>41) ^ (e>>18) ^ (e>>14)      # S1
+       rorx    $34, a, T1      # T1 = a >> 34                          # S0B
+       xor     g, y2           # y2 = CH = ((f^g)&e)^g                 # CH
+       rorx    $39, a, y1      # y1 = a >> 39                          # S0A
+       mov     a, y3           # y3 = a                                # MAJA
+
+       xor     T1, y1          # y1 = (a>>39) ^ (a>>34)                # S0
+       rorx    $28, a, T1      # T1 = (a >> 28)                        # S0
+       add     8*2+frame_XFER(%rsp), h         # h = k + w + h         # --
+       or      c, y3           # y3 = a|c                              # MAJA
+
+       xor     T1, y1          # y1 = (a>>39) ^ (a>>34) ^ (a>>28)      # S0
+       mov     a, T1           # T1 = a                                # MAJB
+       and     b, y3           # y3 = (a|c)&b                          # MAJA
+       and     c, T1           # T1 = a&c                              # MAJB
+       add     y0, y2          # y2 = S1 + CH                          # --
+
+       add     h, d            # d = k + w + h + d                     # --
+       or      T1, y3          # y3 = MAJ = (a|c)&b)|(a&c)             # MAJ
+       add     y1, h           # h = k + w + h + S0                    # --
+
+       add     y2, d           # d = k + w + h + d + S1 + CH = d + t1  # --
+
+       RotateState
+
+################################### RND N + 3 #########################################
+
+       add     y2, old_h       # h = k + w + h + S0 + S1 + CH = t1 + S0# --
+       mov     f, y2           # y2 = f                                # CH
+       rorx    $41, e, y0      # y0 = e >> 41                          # S1A
+       rorx    $18, e, y1      # y1 = e >> 18                          # S1B
+       xor     g, y2           # y2 = f^g                              # CH
+
+       xor     y1, y0          # y0 = (e>>41) ^ (e>>18)                # S1
+       rorx    $14, e, y1      # y1 = (e >> 14)                        # S1
+       and     e, y2           # y2 = (f^g)&e                          # CH
+       add     y3, old_h       # h = t1 + S0 + MAJ                     # --
+
+       xor     y1, y0          # y0 = (e>>41) ^ (e>>18) ^ (e>>14)      # S1
+       rorx    $34, a, T1      # T1 = a >> 34                          # S0B
+       xor     g, y2           # y2 = CH = ((f^g)&e)^g                 # CH
+       rorx    $39, a, y1      # y1 = a >> 39                          # S0A
+       mov     a, y3           # y3 = a                                # MAJA
+
+       xor     T1, y1          # y1 = (a>>39) ^ (a>>34)                # S0
+       rorx    $28, a, T1      # T1 = (a >> 28)                        # S0
+       add     8*3+frame_XFER(%rsp), h         # h = k + w + h         # --
+       or      c, y3           # y3 = a|c                              # MAJA
+
+       xor     T1, y1          # y1 = (a>>39) ^ (a>>34) ^ (a>>28)      # S0
+       mov     a, T1           # T1 = a                                # MAJB
+       and     b, y3           # y3 = (a|c)&b                          # MAJA
+       and     c, T1           # T1 = a&c                              # MAJB
+       add     y0, y2          # y2 = S1 + CH                          # --
+
+
+       add     h, d            # d = k + w + h + d                     # --
+       or      T1, y3          # y3 = MAJ = (a|c)&b)|(a&c)             # MAJ
+       add     y1, h           # h = k + w + h + S0                    # --
+
+       add     y2, d           # d = k + w + h + d + S1 + CH = d + t1  # --
+
+       add     y2, h           # h = k + w + h + S0 + S1 + CH = t1 + S0# --
+
+       add     y3, h           # h = t1 + S0 + MAJ                     # --
+
+       RotateState
+
+.endm
+
+########################################################################
+# void sha512_transform_rorx(const void* M, void* D, uint64_t L)#
+# Purpose: Updates the SHA512 digest stored at D with the message stored in M.
+# The size of the message pointed to by M must be an integer multiple of SHA512
+#   message blocks.
+# L is the message length in SHA512 blocks
+########################################################################
+ENTRY(sha512_transform_rorx)
+       # Allocate Stack Space
+       mov     %rsp, %rax
+       sub     $frame_size, %rsp
+       and     $~(0x20 - 1), %rsp
+       mov     %rax, frame_RSPSAVE(%rsp)
+
+       # Save GPRs
+       mov     %rbp, frame_GPRSAVE(%rsp)
+       mov     %rbx, 8*1+frame_GPRSAVE(%rsp)
+       mov     %r12, 8*2+frame_GPRSAVE(%rsp)
+       mov     %r13, 8*3+frame_GPRSAVE(%rsp)
+       mov     %r14, 8*4+frame_GPRSAVE(%rsp)
+       mov     %r15, 8*5+frame_GPRSAVE(%rsp)
+
+       shl     $7, NUM_BLKS    # convert to bytes
+       jz      done_hash
+       add     INP, NUM_BLKS   # pointer to end of data
+       mov     NUM_BLKS, frame_INPEND(%rsp)
+
+       ## load initial digest
+       mov     8*0(CTX),a
+       mov     8*1(CTX),b
+       mov     8*2(CTX),c
+       mov     8*3(CTX),d
+       mov     8*4(CTX),e
+       mov     8*5(CTX),f
+       mov     8*6(CTX),g
+       mov     8*7(CTX),h
+
+       vmovdqa PSHUFFLE_BYTE_FLIP_MASK(%rip), BYTE_FLIP_MASK
+
+loop0:
+       lea     K512(%rip), TBL
+
+       ## byte swap first 16 dwords
+       COPY_YMM_AND_BSWAP      Y_0, (INP), BYTE_FLIP_MASK
+       COPY_YMM_AND_BSWAP      Y_1, 1*32(INP), BYTE_FLIP_MASK
+       COPY_YMM_AND_BSWAP      Y_2, 2*32(INP), BYTE_FLIP_MASK
+       COPY_YMM_AND_BSWAP      Y_3, 3*32(INP), BYTE_FLIP_MASK
+
+       mov     INP, frame_INP(%rsp)
+
+       ## schedule 64 input dwords, by doing 12 rounds of 4 each
+       movq    $4, frame_SRND(%rsp)
+
+.align 16
+loop1:
+       vpaddq  (TBL), Y_0, XFER
+       vmovdqa XFER, frame_XFER(%rsp)
+       FOUR_ROUNDS_AND_SCHED
+
+       vpaddq  1*32(TBL), Y_0, XFER
+       vmovdqa XFER, frame_XFER(%rsp)
+       FOUR_ROUNDS_AND_SCHED
+
+       vpaddq  2*32(TBL), Y_0, XFER
+       vmovdqa XFER, frame_XFER(%rsp)
+       FOUR_ROUNDS_AND_SCHED
+
+       vpaddq  3*32(TBL), Y_0, XFER
+       vmovdqa XFER, frame_XFER(%rsp)
+       add     $(4*32), TBL
+       FOUR_ROUNDS_AND_SCHED
+
+       subq    $1, frame_SRND(%rsp)
+       jne     loop1
+
+       movq    $2, frame_SRND(%rsp)
+loop2:
+       vpaddq  (TBL), Y_0, XFER
+       vmovdqa XFER, frame_XFER(%rsp)
+       DO_4ROUNDS
+       vpaddq  1*32(TBL), Y_1, XFER
+       vmovdqa XFER, frame_XFER(%rsp)
+       add     $(2*32), TBL
+       DO_4ROUNDS
+
+       vmovdqa Y_2, Y_0
+       vmovdqa Y_3, Y_1
+
+       subq    $1, frame_SRND(%rsp)
+       jne     loop2
+
+       addm    8*0(CTX),a
+       addm    8*1(CTX),b
+       addm    8*2(CTX),c
+       addm    8*3(CTX),d
+       addm    8*4(CTX),e
+       addm    8*5(CTX),f
+       addm    8*6(CTX),g
+       addm    8*7(CTX),h
+
+       mov     frame_INP(%rsp), INP
+       add     $128, INP
+       cmp     frame_INPEND(%rsp), INP
+       jne     loop0
+
+done_hash:
+
+# Restore GPRs
+       mov     frame_GPRSAVE(%rsp)     ,%rbp
+       mov     8*1+frame_GPRSAVE(%rsp) ,%rbx
+       mov     8*2+frame_GPRSAVE(%rsp) ,%r12
+       mov     8*3+frame_GPRSAVE(%rsp) ,%r13
+       mov     8*4+frame_GPRSAVE(%rsp) ,%r14
+       mov     8*5+frame_GPRSAVE(%rsp) ,%r15
+
+       # Restore Stack Pointer
+       mov     frame_RSPSAVE(%rsp), %rsp
+       ret
+ENDPROC(sha512_transform_rorx)
+
+########################################################################
+### Binary Data
+
+.data
+
+.align 64
+# K[t] used in SHA512 hashing
+K512:
+       .quad   0x428a2f98d728ae22,0x7137449123ef65cd
+       .quad   0xb5c0fbcfec4d3b2f,0xe9b5dba58189dbbc
+       .quad   0x3956c25bf348b538,0x59f111f1b605d019
+       .quad   0x923f82a4af194f9b,0xab1c5ed5da6d8118
+       .quad   0xd807aa98a3030242,0x12835b0145706fbe
+       .quad   0x243185be4ee4b28c,0x550c7dc3d5ffb4e2
+       .quad   0x72be5d74f27b896f,0x80deb1fe3b1696b1
+       .quad   0x9bdc06a725c71235,0xc19bf174cf692694
+       .quad   0xe49b69c19ef14ad2,0xefbe4786384f25e3
+       .quad   0x0fc19dc68b8cd5b5,0x240ca1cc77ac9c65
+       .quad   0x2de92c6f592b0275,0x4a7484aa6ea6e483
+       .quad   0x5cb0a9dcbd41fbd4,0x76f988da831153b5
+       .quad   0x983e5152ee66dfab,0xa831c66d2db43210
+       .quad   0xb00327c898fb213f,0xbf597fc7beef0ee4
+       .quad   0xc6e00bf33da88fc2,0xd5a79147930aa725
+       .quad   0x06ca6351e003826f,0x142929670a0e6e70
+       .quad   0x27b70a8546d22ffc,0x2e1b21385c26c926
+       .quad   0x4d2c6dfc5ac42aed,0x53380d139d95b3df
+       .quad   0x650a73548baf63de,0x766a0abb3c77b2a8
+       .quad   0x81c2c92e47edaee6,0x92722c851482353b
+       .quad   0xa2bfe8a14cf10364,0xa81a664bbc423001
+       .quad   0xc24b8b70d0f89791,0xc76c51a30654be30
+       .quad   0xd192e819d6ef5218,0xd69906245565a910
+       .quad   0xf40e35855771202a,0x106aa07032bbd1b8
+       .quad   0x19a4c116b8d2d0c8,0x1e376c085141ab53
+       .quad   0x2748774cdf8eeb99,0x34b0bcb5e19b48a8
+       .quad   0x391c0cb3c5c95a63,0x4ed8aa4ae3418acb
+       .quad   0x5b9cca4f7763e373,0x682e6ff3d6b2b8a3
+       .quad   0x748f82ee5defb2fc,0x78a5636f43172f60
+       .quad   0x84c87814a1f0ab72,0x8cc702081a6439ec
+       .quad   0x90befffa23631e28,0xa4506cebde82bde9
+       .quad   0xbef9a3f7b2c67915,0xc67178f2e372532b
+       .quad   0xca273eceea26619c,0xd186b8c721c0c207
+       .quad   0xeada7dd6cde0eb1e,0xf57d4f7fee6ed178
+       .quad   0x06f067aa72176fba,0x0a637dc5a2c898a6
+       .quad   0x113f9804bef90dae,0x1b710b35131c471b
+       .quad   0x28db77f523047d84,0x32caab7b40c72493
+       .quad   0x3c9ebe0a15c9bebc,0x431d67c49c100d4c
+       .quad   0x4cc5d4becb3e42b6,0x597f299cfc657e2a
+       .quad   0x5fcb6fab3ad6faec,0x6c44198c4a475817
+
+.align 32
+
+# Mask for byte-swapping a couple of qwords in an XMM register using (v)pshufb.
+PSHUFFLE_BYTE_FLIP_MASK:
+       .octa 0x08090a0b0c0d0e0f0001020304050607
+       .octa 0x18191a1b1c1d1e1f1011121314151617
+
+MASK_YMM_LO:
+       .octa 0x00000000000000000000000000000000
+       .octa 0xFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFFF
+#endif