Quelle  mullo_basecase.asm

dnl  X64-64 mpn_mullo_basecase optimised for AMD Zen.

dnl  Contributed to the GNU project by Torbjorn Granlund.

dnl  Copyright 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 The inner loops of this code are the result of running a code generation and
C optimisation tool suite written by David Harvey and Torbjorn Granlund.

define(`rp',    `%rdi')
define(`up',    `%rsi')
define(`vp_param', `%rdx')
define(`n',    `%rcx')

define(`vp', `%r11')
define(`nn',    `%rbp')

C TODO
C  * Rearrange feed-in jumps for short branch forms.
C  * Roll out the heavy artillery and 4-way unroll outer loop.  Since feed-in
C    code implodes, the blow-up will not be more than perhaps 2.5x.
C  * Micro-optimise critical lead-in code blocks.
C  * Clean up register use, e.g. r15 vs vp, disuse of nn, etc.
C  * Write n < 4 code specifically for Zen (current code is for Haswell).

ABI_SUPPORT(DOS64)
ABI_SUPPORT(STD64)

ASM_START()
 TEXT
 ALIGN(32)
PROLOGUE(mpn_mullo_basecase)
 FUNC_ENTRY(4)
 cmp $4, R32(n)
 jae L(big)

 mov vp_param, vp
 mov (up), %rdx

 cmp $2, R32(n)
 jae L(gt1)
L(n1): imul (vp), %rdx
 mov %rdx, (rp)
 FUNC_EXIT()
 ret
L(gt1): ja L(gt2)
L(n2): mov (vp), %r9
 mulx( %r9, %rax, %rdx)
 mov %rax, (rp)
 mov 8(up), %rax
 imul %r9, %rax
 add %rax, %rdx
 mov 8(vp), %r9
 mov (up), %rcx
 imul %r9, %rcx
 add %rcx, %rdx
 mov %rdx, 8(rp)
 FUNC_EXIT()
 ret
L(gt2):
L(n3): mov (vp), %r9
 mulx( %r9, %rax, %r10) C u0 x v0
 mov %rax, (rp)
 mov 8(up), %rdx
 mulx( %r9, %rax, %rdx) C u1 x v0
 imul 16(up), %r9  C u2 x v0
 add %rax, %r10
 adc %rdx, %r9
 mov 8(vp), %r8
 mov (up), %rdx
 mulx( %r8, %rax, %rdx) C u0 x v1
 add %rax, %r10
 adc %rdx, %r9
 imul 8(up), %r8  C u1 x v1
 add %r8, %r9
 mov %r10, 8(rp)
 mov 16(vp), %r10
 mov (up), %rax
 imul %rax, %r10  C u0 x v2
 add %r10, %r9
 mov %r9, 16(rp)
 FUNC_EXIT()
 ret

 ALIGN(16)
L(big): push %r15
 push %r14
 push %r13
 push %r12
 push %rbp
 push %rbx

 mov (up), %r9
 lea -8(up,n,8), up
 lea -40(rp,n,8), rp

 mov $4, R32(%r14)
 sub n, %r14
 mov -8(vp_param,n,8), %rbp
 imul %r9, %rbp
 lea 8(vp_param), %r15
 mov (vp_param), %rdx

 test $1, R8(%r14)
 jnz L(mx0)
L(mx1): test $2, R8(%r14)
 jz L(mb3)

L(mb1): mulx( %r9, %rbx, %rax)
 lea -2(%r14), n
 .byte 0xc4,0x22,0xb3,0xf6,0x44,0xf6,0xf0 C mulx -0x10(%rsi,%r14,8),%r9,%r8
 .byte 0xc4,0x22,0xa3,0xf6,0x54,0xf6,0xf8 C mulx -0x8(%rsi,%r14,8),%r11,%r10
 jmp L(mlo1)

L(mb3): mulx( %r9, %r11, %r10)
 .byte 0xc4,0x22,0x93,0xf6,0x64,0xf6,0xf0 C mulx -0x10(%rsi,%r14,8),%r13,%r12
 .byte 0xc4,0xa2,0xe3,0xf6,0x44,0xf6,0xf8 C mulx -0x8(%rsi,%r14,8),%rbx,%rax
 lea (%r14), n
 jrcxz L(x)
 jmp L(mlo3)
L(x): jmp L(mcor)

L(mb2): mulx( %r9, %r13, %r12)
 .byte 0xc4,0xa2,0xe3,0xf6,0x44,0xf6,0xf0 C mulx -0x10(%rsi,%r14,8),%rbx,%rax
 lea -1(%r14), n
 .byte 0xc4,0x22,0xb3,0xf6,0x44,0xf6,0xf8 C mulx -0x8(%rsi,%r14,8),%r9,%r8
 jmp L(mlo2)

L(mx0): test $2, R8(%r14)
 jz L(mb2)

L(mb0): mulx( %r9, %r9, %r8)
 .byte 0xc4,0x22,0xa3,0xf6,0x54,0xf6,0xf0 C mulx -0x10(%rsi,%r14,8),%r11,%r10
 .byte 0xc4,0x22,0x93,0xf6,0x64,0xf6,0xf8 C mulx -0x8(%rsi,%r14,8),%r13,%r12
 lea -3(%r14), n
 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
 mov %rbx, 24(rp)

L(outer):
 mulx( (up), %r10, %r8) C FIXME r8 unused (use imul?)
 adc %rax, %rbp
 add %r10, %rbp
 mov (%r15), %rdx
 add $8, %r15
 mov -24(up,%r14,8), %r8
 lea -8(up), up

 test $1, R8(%r14)
 jz L(x0)
L(x1): test $2, R8(%r14)
 jnz L(b3)

L(b1): mulx( %r8, %rbx, %rax)
 lea -1(%r14), n
 .byte 0xc4,0x62,0xb3,0xf6,0x04,0xce  C mulx (%rsi,%rcx,8),%r9,%r8
 .byte 0xc4,0x62,0xa3,0xf6,0x54,0xce,0x08 C mulx 0x8(%rsi,%rcx,8),%r11,%r10
 jmp L(lo1)

L(x0): test $2, R8(%r14)
 jz L(b2)

L(b0): mulx( %r8, %r9, %r8)
 lea -2(%r14), n
 .byte 0xc4,0x22,0xa3,0xf6,0x54,0xf6,0xf8 C mulx -0x8(%rsi,%r14,8),%r11,%r10
 .byte 0xc4,0x22,0x93,0xf6,0x24,0xf6  C mulx (%rsi,%r14,8),%r13,%r12
 jmp L(lo0)

L(b3): mulx( %r8, %r11, %r10)
 lea 1(%r14), n
 .byte 0xc4,0x22,0x93,0xf6,0x64,0xf6,0xf8 C mulx -0x8(%rsi,%r14,8),%r13,%r12
 .byte 0xc4,0xa2,0xe3,0xf6,0x04,0xf6  C mulx (%rsi,%r14,8),%rbx,%rax
 add %r10, %r13
 adc %r12, %rbx
 adc $0, %rax
 jrcxz L(cor)
 jmp L(lo3)

L(cor): add 8(rp), %r11
 mov 16(rp), %r10
 mov 24(rp), %r12
L(mcor):mov %r11, 8(rp)
 adc %r10, %r13
 adc %r12, %rbx
 mulx( (up), %r10, %r8) C FIXME r8 unused (use imul?)
 adc %rax, %rbp
 add %r10, %rbp
 mov (%r15), %rdx
 mov -24(up), %r8
 mulx( %r8, %r9, %r12)
 mulx( -16,(up), %r14, %rax)
 add %r12, %r14
 adc $0, %rax
 adc %r9, %r13
 mov %r13, 16(rp)
 adc %r14, %rbx
 mulx( -8,(up), %r10, %r8) C FIXME r8 unused (use imul?)
 adc %rax, %rbp
 add %r10, %rbp
 mov 8(%r15), %rdx
 mulx( -24,(up), %r14, %rax)
 add %r14, %rbx
 mov %rbx, 24(rp)
 mulx( -16,(up), %r10, %r8) C FIXME r8 unused (use imul?)
 adc %rax, %rbp
 add %r10, %rbp
 mov %rbp, 32(rp)
 pop %rbx
 pop %rbp
 pop %r12
 pop %r13
 pop %r14
 pop %r15
 FUNC_EXIT()
 ret

L(b2): mulx( %r8, %r13, %r12)
 lea (%r14), n
 .byte 0xc4,0xa2,0xe3,0xf6,0x44,0xf6,0xf8 C mulx -0x8(%rsi,%r14,8),%rbx,%rax
 add %r12, %rbx
 adc $0, %rax
 .byte 0xc4,0x22,0xb3,0xf6,0x04,0xf6  C mulx (%rsi,%r14,8),%r9,%r8
 jmp L(lo2)

 ALIGN(16)
L(top): add %r9, (rp,n,8)
L(lo3): .byte 0xc4,0x62,0xb3,0xf6,0x04,0xce  C mulx (up,n,8), %r9, %r8
 adc %r11, 8(rp,n,8)
L(lo2): .byte 0xc4,0x62,0xa3,0xf6,0x54,0xce,0x08 C mulx 8(up,n,8), %r11, %r10
 adc %r13, 16(rp,n,8)
L(lo1): .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
L(lo0): .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
 js L(top)

 add %r9, (rp)
 adc %r11, 8(rp)
 adc %r13, 16(rp)
 adc %rbx, 24(rp)
 inc %r14
 jmp L(outer)
EPILOGUE()