sqr_basecase.asm   Interaktion und
PortierbarkeitMasm

dnl  AMD64 mpn_sqr_basecase optimised for AMD Zen.

dnl  Copyright 2012, 2013, 2017 Free Software Foundation, Inc.

dnl  This file is part of the GNU MP Library.
dnl
dnl  The GNU MP Library is free software; you can redistribute it and/or modify
dnl  it under the terms of either:
dnl
dnl    * the GNU Lesser General Public License as published by the Free
dnl      Software Foundation; either version 3 of the License, or (at your
dnl      option) any later version.
dnl
dnl  or
dnl
dnl    * the GNU General Public License as published by the Free Software
dnl      Foundation; either version 2 of the License, or (at your option) any
dnl      later version.
dnl
dnl  or both in parallel, as here.
dnl
dnl  The GNU MP Library is distributed in the hope that it will be useful, but
dnl  WITHOUT ANY WARRANTY; without even the implied warranty of MERCHANTABILITY
dnl  or FITNESS FOR A PARTICULAR PURPOSE.  See the GNU General Public License
dnl  for more details.
dnl
dnl  You should have received copies of the GNU General Public License and the
dnl  GNU Lesser General Public License along with the GNU MP Library.  If not,
dnl  see https://www.gnu.org/licenses/.

include(`../config.m4')

C TODO
C  * Do overlapped software pipelining.  This should close the remaining gap to
C    mul_basecase.
C
C  * Update un just once in the outer loop.
C
C  * Perhaps keep un and n pre-multiplied by 8, thus suppressing ",8" from
C    loads and stores.  At least in some cases, the non-scaled form is faster.
C
C  * Optimise xit3 code, e.g., using shrx and sarx like in the main loop.
C
C  * The mul_1 feed-in code has gotten little attention and could probably be
C    improved.  Perhaps even expand it to 4 separate loops to allow straight
C    fall-through into the 4 addmul_1 loops.
C
C  * Clean up ad-hoc scratch register usage in the addmul_1 feed-in code blocks.

define(`rp', `%rdi')
define(`up', `%rsi')
define(`un_param',`%rdx')

define(`un', `%rbp')
define(`n', `%rcx')

C these are used just for the small op code
define(`w0', `%r8')
define(`w1', `%r9')
define(`w2', `%r10')
define(`w3', `%r11')


ABI_SUPPORT(DOS64)
ABI_SUPPORT(STD64)

ASM_START()
 TEXT
 ALIGN(16)
PROLOGUE(mpn_sqr_basecase)
 FUNC_ENTRY(3)

 cmp $2, R32(un_param)
 jae L(gt1)

 mov (up), %rdx
 mulx( %rdx, %rax, %rdx)
 mov %rax, (rp)
 mov %rdx, 8(rp)
 FUNC_EXIT()
 ret

L(gt1): jne L(gt2)

 mov (up), %rdx
 mov 8(up), %rcx
 mulx( %rcx, %r9, %r10) C v0 * v1 W 1 2
 mulx( %rdx, %rax, %r8) C v0 * v0 W 0 1
 mov %rcx, %rdx
 mulx( %rdx, %r11, %rdx) C v1 * v1 W 2 3
 add %r9, %r9  C  W 1
 adc %r10, %r10  C  W 2
 adc $0, %rdx  C  W 3
 add %r9, %r8  C W 1
 adc %r11, %r10  C W 2
 adc $0, %rdx  C W 3
 mov %rax, (rp)
 mov %r8, 8(rp)
 mov %r10, 16(rp)
 mov %rdx, 24(rp)
 FUNC_EXIT()
 ret

L(gt2): cmp $4, R32(un_param)
 jae L(gt3)

 push %rbx
 mov (up), %rdx
 mulx( 8,(up), w2, w3)
 mulx( 16,(up), w0, w1)
 add w3, w0
 mov 8(up), %rdx
 mulx( 16,(up), %rax, w3)
 adc %rax, w1
 adc $0, w3
 test R32(%rbx), R32(%rbx)
 mov (up), %rdx
 mulx( %rdx, %rbx, %rcx)
 mov %rbx, (rp)
 mov 8(up), %rdx
 mulx( %rdx, %rax, %rbx)
 mov 16(up), %rdx
 mulx( %rdx, %rsi, %rdx)
 adcx( w2, w2)
 adcx( w0, w0)
 adcx( w1, w1)
 adcx( w3, w3)
 adox( w2, %rcx)
 adox( w0, %rax)
 adox( w1, %rbx)
 adox( w3, %rsi)
 mov $0, R32(%r8)
 adox( %r8, %rdx)
 adcx( %r8, %rdx)
 mov %rcx, 8(rp)
 mov %rax, 16(rp)
 mov %rbx, 24(rp)
 mov %rsi, 32(rp)
 mov %rdx, 40(rp)
 pop %rbx
 FUNC_EXIT()
 ret

L(gt3): push %r15
C push %r14
 push %r13
 push %r12
 push %rbp
 push %rbx
 mov R32(un_param), R32(un)

 mov (up), %rdx  C up[0]
 mov 8(up), %r9  C up[1]

 mulx( %rdx, %rax, %r15) C up[0]^2
 mov %rax, (rp)
 shl %rdx

 lea (up,un,8), up
 lea -32(rp,un,8), rp

 neg un
 lea 4(un), n
 and $-4, n

 test $1, R8(un)
 jnz L(mx0)
L(mx1): test $2, R8(un)
 jz L(mb3)

L(mb1): mulx( %r9, %rbx, %rax)
 .byte 0xc4,0x62,0xb3,0xf6,0x44,0xee,0x10 C mulx 16(up,un,8), %r9, %r8
 .byte 0xc4,0x62,0xa3,0xf6,0x54,0xee,0x18 C mulx 24(up,un,8), %r11, %r10
 add %r15, %rbx
 jmp L(mlo1)

L(mb3): mulx( %r9, %r11, %r10)
 .byte 0xc4,0x62,0x93,0xf6,0x64,0xee,0x10 C mulx 16(up,un,8), %r13, %r12
 .byte 0xc4,0xe2,0xe3,0xf6,0x44,0xee,0x18 C mulx 24(up,un,8), %rbx, %rax
 add %r15, %r11
 jrcxz L(n4)
 jmp L(mlo3)
L(n4): mov %r11, 8(rp)
 adc %r10, %r13
 adc %r12, %rbx
 jmp L(m)

L(mx0): test $2, R8(un)
 jnz L(mb0)

L(mb2): mulx( %r9, %r13, %r12)
 .byte 0xc4,0xe2,0xe3,0xf6,0x44,0xee,0x10 C mulx 16(up,un,8), %rbx, %rax
 .byte 0xc4,0x62,0xb3,0xf6,0x44,0xee,0x18 C mulx 24(up,un,8), %r9, %r8
 add %r15, %r13
 jmp L(mlo2)

L(mb0): mulx( %r9, %r9, %r8)
 .byte 0xc4,0x62,0xa3,0xf6,0x54,0xee,0x10 C mulx 16(up,un,8), %r11, %r10
 .byte 0xc4,0x62,0x93,0xf6,0x64,0xee,0x18 C mulx 24(up,un,8), %r13, %r12
 add %r15, %r9
 jmp L(mlo0)

 ALIGN(16)
L(mtop):jrcxz L(mend)
 adc %r8, %r11
 mov %r9, (rp,n,8)
L(mlo3):.byte 0xc4,0x62,0xb3,0xf6,0x04,0xce  C mulx (up,n,8), %r9, %r8
 adc %r10, %r13
 mov %r11, 8(rp,n,8)
L(mlo2):.byte 0xc4,0x62,0xa3,0xf6,0x54,0xce,0x08 C mulx 8(up,n,8), %r11, %r10
 adc %r12, %rbx
 mov %r13, 16(rp,n,8)
L(mlo1):.byte 0xc4,0x62,0x93,0xf6,0x64,0xce,0x10 C mulx 16(up,n,8), %r13, %r12
 adc %rax, %r9
 mov %rbx, 24(rp,n,8)
L(mlo0):.byte 0xc4,0xe2,0xe3,0xf6,0x44,0xce,0x18 C mulx 24(up,n,8), %rbx, %rax
 lea 4(n), n
 jmp L(mtop)

L(mend):mov %r9, (rp)
 adc %r8, %r11
 mov %r11, 8(rp)
 adc %r10, %r13
 mov %r13, 16(rp)
 adc %r12, %rbx
 adc $0, %rax
 mov %rbx, 24(rp)
 mov %rax, 32(rp)

 lea 2(un), un

 mov $63, R32(%r15)   C keep at 63 for shrx/sarx.
 test $1, R8(un)
 jz L(x0)
L(x1): test $2, R8(un)
 jz L(f3)
 jmp L(f1)
L(x0): test $2, R8(un)
 jz L(f0)
C jmp L(f2)

L(f2): mov -8(up,un,8), %rdx  C up[0]
 lea 2(un), n
 lea 8(rp), rp
 .byte 0xc4,0x62,0x82,0xf7,0x5c,0xee,0xf0 C sarx %r15, -16(up,un,8), %r11
 .byte 0xc4,0x62,0x83,0xf7,0x6c,0xee,0xf0 C shrx %r15, -16(up,un,8), %r13
 and %rdx, %r11   C "ci" in C code
 mulx( %rdx, %rax, %r10)  C up[0]^2
 lea (%r13,%rdx,2), %rdx  C "u0" arg in C code
 add %rax, %r11

 .byte 0xc4,0x62,0x93,0xf6,0x24,0xee  C mulx (up,un,8), %r13, %r12
 .byte 0xc4,0xe2,0xe3,0xf6,0x44,0xee,0x08 C mulx 8(up,un,8), %rbx, %rax
 adc %r10, %r13
 adc %r12, %rbx
 adc $0, %rax
 jmp L(b2)

 ALIGN(16)
L(top2):add %r9, (rp,n,8)
L(b2): .byte 0xc4,0x62,0xb3,0xf6,0x04,0xce  C mulx (up,n,8), %r9, %r8
 adc %r11, 8(rp,n,8)
 .byte 0xc4,0x62,0xa3,0xf6,0x54,0xce,0x08 C mulx 8(up,n,8), %r11, %r10
 adc %r13, 16(rp,n,8)
 .byte 0xc4,0x62,0x93,0xf6,0x64,0xce,0x10 C mulx 16(up,n,8), %r13, %r12
 adc %rbx, 24(rp,n,8)
 adc %rax, %r9
 .byte 0xc4,0xe2,0xe3,0xf6,0x44,0xce,0x18 C mulx 24(up,n,8), %rbx, %rax
 adc %r8, %r11
 adc %r10, %r13
 adc %r12, %rbx
 adc $0, %rax
 add $4, n
 jnz L(top2)

 inc un
 add %r9, (rp)
 adc %r11, 8(rp)
 adc %r13, 16(rp)
 adc %rbx, 24(rp)
 adc $0, %rax
 mov %rax, 32(rp)

L(f1): mov -8(up,un,8), %rdx  C up[0]
 lea 1(un), n
 lea 8(rp), rp
 .byte 0xc4,0x62,0x82,0xf7,0x6c,0xee,0xf0 C sarx %r15, -16(up,un,8), %r13
 .byte 0xc4,0xe2,0x83,0xf7,0x5c,0xee,0xf0 C shrx %r15, -16(up,un,8), %rbx
 and %rdx, %r13   C "ci" in C code
 mulx( %rdx, %rax, %r12)  C up[0]^2
 lea (%rbx,%rdx,2), %rdx  C "u0" arg in C code
 add %rax, %r13

 .byte 0xc4,0xe2,0xe3,0xf6,0x04,0xee  C mulx (up,un,8), %rbx, %rax
 adc %r12, %rbx
 adc $0, %rax
 .byte 0xc4,0x62,0xb3,0xf6,0x44,0xee,0x08 C mulx 8(up,un,8), %r9, %r8
 jmp L(b1)

 ALIGN(16)
L(top1):add %r9, (rp,n,8)
 .byte 0xc4,0x62,0xb3,0xf6,0x04,0xce  C mulx (up,n,8), %r9, %r8
 adc %r11, 8(rp,n,8)
L(b1): .byte 0xc4,0x62,0xa3,0xf6,0x54,0xce,0x08 C mulx 8(up,n,8), %r11, %r10
 adc %r13, 16(rp,n,8)
 .byte 0xc4,0x62,0x93,0xf6,0x64,0xce,0x10 C mulx 16(up,n,8), %r13, %r12
 adc %rbx, 24(rp,n,8)
 adc %rax, %r9
 .byte 0xc4,0xe2,0xe3,0xf6,0x44,0xce,0x18 C mulx 24(up,n,8), %rbx, %rax
 adc %r8, %r11
 adc %r10, %r13
 adc %r12, %rbx
 adc $0, %rax
 add $4, n
 jnz L(top1)

 inc un
 add %r9, (rp)
 adc %r11, 8(rp)
 adc %r13, 16(rp)
 adc %rbx, 24(rp)
 adc $0, %rax
 mov %rax, 32(rp)

L(f0): mov -8(up,un,8), %rdx  C up[0]
 lea (un), n
 lea 8(rp), rp
 .byte 0xc4,0xe2,0x82,0xf7,0x5c,0xee,0xf0 C sarx %r15, -16(up,un,8), %rbx
 .byte 0xc4,0x62,0x83,0xf7,0x4c,0xee,0xf0 C shrx %r15, -16(up,un,8), %r9
 and %rdx, %rbx   C "ci" in C code
 mulx( %rdx, %r10, %rax)  C up[0]^2
 lea (%r9,%rdx,2), %rdx  C "u0" arg in C code
 add %r10, %rbx
 adc $0, %rax   C "cin" in C code

 .byte 0xc4,0x62,0xb3,0xf6,0x04,0xce  C mulx (up,un,8), %r9, %r8
 .byte 0xc4,0x62,0xa3,0xf6,0x54,0xee,0x08 C mulx 8(up,un,8), %r11, %r10
 jmp L(b0)

 ALIGN(16)
L(top0):add %r9, (rp,n,8)
 .byte 0xc4,0x62,0xb3,0xf6,0x04,0xce  C mulx (up,n,8), %r9, %r8
 adc %r11, 8(rp,n,8)
 .byte 0xc4,0x62,0xa3,0xf6,0x54,0xce,0x08 C mulx 8(up,n,8), %r11, %r10
 adc %r13, 16(rp,n,8)
L(b0): .byte 0xc4,0x62,0x93,0xf6,0x64,0xce,0x10 C mulx 16(up,n,8), %r13, %r12
 adc %rbx, 24(rp,n,8)
 adc %rax, %r9
 .byte 0xc4,0xe2,0xe3,0xf6,0x44,0xce,0x18 C mulx 24(up,n,8), %rbx, %rax
 adc %r8, %r11
 adc %r10, %r13
 adc %r12, %rbx
 adc $0, %rax
 add $4, n
 jnz L(top0)

 inc un
 add %r9, (rp)
 adc %r11, 8(rp)
 adc %r13, 16(rp)
 adc %rbx, 24(rp)
 adc $0, %rax
 mov %rax, 32(rp)

L(f3): mov -8(up,un,8), %rdx  C up[0]
 lea 3(un), n
 lea 8(rp), rp
 .byte 0xc4,0x62,0x82,0xf7,0x4c,0xee,0xf0 C sarx %r15, -16(up,un,8), %r9
 .byte 0xc4,0x62,0x83,0xf7,0x5c,0xee,0xf0 C shrx %r15, -16(up,un,8), %r11
 and %rdx, %r9   C "ci" in C code
 mulx( %rdx, %rax, %r8)  C up[0]^2
 lea (%r11,%rdx,2), %rdx  C "u0" arg in C code
 add %rax, %r9

 .byte 0xc4,0x62,0xa3,0xf6,0x14,0xee  C mulx (%rsi,%rbp,8),%r11,%r10
 .byte 0xc4,0x62,0x93,0xf6,0x64,0xee,0x08 C mulx 0x8(%rsi,%rbp,8),%r13,%r12
 .byte 0xc4,0xe2,0xe3,0xf6,0x44,0xee,0x10 C mulx 0x10(%rsi,%rbp,8),%rbx,%rax
 adc %r8, %r11
 adc %r10, %r13
 adc %r12, %rbx
 adc $0, %rax
 jrcxz L(xit3)
 jmp L(top3)   C FIXME perhaps fall through

 ALIGN(16)
L(top3):add %r9, (rp,n,8)
 .byte 0xc4,0x62,0xb3,0xf6,0x04,0xce  C mulx (up,n,8), %r9, %r8
 adc %r11, 8(rp,n,8)
 .byte 0xc4,0x62,0xa3,0xf6,0x54,0xce,0x08 C mulx 8(up,n,8), %r11, %r10
 adc %r13, 16(rp,n,8)
 .byte 0xc4,0x62,0x93,0xf6,0x64,0xce,0x10 C mulx 16(up,n,8), %r13, %r12
 adc %rbx, 24(rp,n,8)
 adc %rax, %r9
 .byte 0xc4,0xe2,0xe3,0xf6,0x44,0xce,0x18 C mulx 24(up,n,8), %rbx, %rax
 adc %r8, %r11
 adc %r10, %r13
 adc %r12, %rbx
 adc $0, %rax
 add $4, n
 jnz L(top3)

 inc un
 add %r9, (rp)
 adc %r11, 8(rp)
 adc %r13, 16(rp)
 adc %rbx, 24(rp)
 adc $0, %rax
 mov %rax, 32(rp)
 jmp L(f2)


L(xit3):add %r9, (rp)
 adc %r11, 8(rp)
 adc 16(rp), %r13
 adc 24(rp), %rbx
L(m): adc $0, %rax
 mov %rax, 32(rp)
 mov -24(up), %rdx  C FIXME: CSE
 mov -32(up), %r9  C FIXME: CSE
 sar $63, %r9
 and %rdx, %r9
 add %r13, %r9
 mulx( %rdx, %rax, %r10)
 mov -16(up), %r8  C FIXME: CSE
 adc $0, %r10
 add %rax, %r9
 adc $0, %r10
 mov %r9, 16(rp)
 mov -32(up), %rax
 shl %rax
 adc %rdx, %rdx
 mulx( %r8, %r13, %r12)
 mulx( -8,(up), %r11, %rax) C FIXME: CSE
 add %r10, %r13
 adc %r12, %r11
 adc $0, %rax
 add %rbx, %r13
 mov %r13, 24(rp)
 adc 32(rp), %r11
 adc $0, %rax
 mov -16(up), %rdx  C FIXME: CSE
 mov -8(up), %r8  C FIXME: CSE
 mov -24(up), %r9
 sar $63, %r9
 and %rdx, %r9
 add %r11, %r9
 mulx( %rdx, %rbp, %r10)
 adc $0, %r10
 add %rbp, %r9
 adc $0, %r10
 mov %r9, 32(rp)
 mov -24(up), %rbp
 shl %rbp
 adc %rdx, %rdx
 mulx( %r8, %rbx, %rbp)
 add %r10, %rbx
 adc $0, %rbp
 adc %rbx, %rax
 mov %rax, 40(rp)
 adc $0, %rbp
 mov -8(up), %rdx  C FIXME: CSE
 mov -16(up), %r9  C FIXME: CSE
 sar $63, %r9
 and %rdx, %r9
 add %rbp, %r9
 mulx( %rdx, %rbp, %r10)
 adc $0, %r10
 add %rbp, %r9
 adc $0, %r10
 mov %r9, 48(rp)
 mov %r10, 56(rp)

 pop %rbx
 pop %rbp
 pop %r12
 pop %r13
C pop %r14
 pop %r15

 FUNC_EXIT()
 ret
EPILOGUE()