Quelle  mode1o.asm

dnl  AMD K6 mpn_modexact_1_odd -- exact division style remainder.

dnl  Copyright 2000-2003, 2007 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 K6: 10.0 cycles/limb


C mp_limb_t mpn_modexact_1_odd (mp_srcptr src, mp_size_t size,
C                               mp_limb_t divisor);
C mp_limb_t mpn_modexact_1c_odd (mp_srcptr src, mp_size_t size,
C                                mp_limb_t divisor, mp_limb_t carry);
C
C A special case for high<divisor at the end measured only about 4 cycles
C faster, and so isn't used.
C
C A special case for size==1 using a divl rather than the inverse measured
C only about 5 cycles faster, and so isn't used.  When size==1 and
C high<divisor it can skip a division and be a full 24 cycles faster, but
C this isn't an important case.

defframe(PARAM_CARRY,  16)
defframe(PARAM_DIVISOR,12)
defframe(PARAM_SIZE,   8)
defframe(PARAM_SRC,    4)

 TEXT

 ALIGN(32)
PROLOGUE(mpn_modexact_1c_odd)
deflit(`FRAME',0)

 movl PARAM_DIVISOR, %ecx
 pushl %esi  FRAME_pushl()

 movl PARAM_CARRY, %edx
 jmp L(start_1c)

EPILOGUE()


 ALIGN(16)
PROLOGUE(mpn_modexact_1_odd)
deflit(`FRAME',0)

 movl PARAM_DIVISOR, %ecx
 pushl %esi  FRAME_pushl()

 xorl %edx, %edx
L(start_1c):
 pushl %edi  FRAME_pushl()

 shrl %ecx   C d/2
 movl PARAM_DIVISOR, %esi

 andl $127, %ecx  C d/2, 7 bits
 pushl %ebp  FRAME_pushl()

ifdef(`PIC',`
 LEA( binvert_limb_table, %edi)
Zdisp( movzbl, 0,(%ecx,%edi), %edi)  C inv 8 bits
',`
 movzbl binvert_limb_table(%ecx), %edi C inv 8 bits
')
 leal (%edi,%edi), %ecx C 2*inv

 imull %edi, %edi  C inv*inv

 movl PARAM_SRC, %eax
 movl PARAM_SIZE, %ebp

 imull %esi, %edi  C inv*inv*d

 pushl %ebx  FRAME_pushl()
 leal (%eax,%ebp,4), %ebx C src end

 subl %edi, %ecx  C inv = 2*inv - inv*inv*d
 leal (%ecx,%ecx), %edi C 2*inv

 imull %ecx, %ecx  C inv*inv

 movl (%eax), %eax  C src low limb
 negl %ebp   C -size

 imull %esi, %ecx  C inv*inv*d

 subl %ecx, %edi  C inv = 2*inv - inv*inv*d

 ASSERT(e,` C d*inv == 1 mod 2^GMP_LIMB_BITS
 pushl %eax
 movl %esi, %eax
 imull %edi, %eax
 cmpl $1, %eax
 popl %eax')

 jmp L(entry)


C Rotating the mul to the top of the loop saves 1 cycle, presumably by
C hiding the loop control under the imul latency.
C
C The run time is 10 cycles, but decoding is only 9 (and the dependent chain
C only 8).  It's not clear how to get down to 9 cycles.
C
C The xor and rcl to handle the carry bit could be an sbb instead, with the
C the carry bit add becoming a sub, but that doesn't save anything.

L(top):
 C eax (low product)
 C ebx src end
 C ecx carry bit, 0 or 1
 C edx (high product, being carry limb)
 C esi divisor
 C edi inverse
 C ebp counter, limbs, negative

 mull %esi

 movl (%ebx,%ebp,4), %eax
 addl %ecx, %edx  C apply carry bit to carry limb

L(entry):
 xorl %ecx, %ecx
 subl %edx, %eax  C apply carry limb

 rcll %ecx

 imull %edi, %eax

 incl %ebp
 jnz L(top)



 popl %ebx
 popl %ebp

 mull %esi

 popl %edi
 popl %esi

 leal (%ecx,%edx), %eax

 ret

EPILOGUE()
ASM_END()