Line data    Source code

       1             : 
       2             : // Source originally from https://github.com/BLAKE3-team/BLAKE3
       3             : // From commit: 64747d48ffe9d1fbf4b71e94cabeb8a211461081
       4             : 
       5             : #include "blake3_impl.h"
       6             : 
       7             : #include <immintrin.h>
       8             : 
       9           0 : #define DEGREE 8
      10             : 
      11           0 : INLINE __m256i loadu(const uint8_t src[32]) {
      12           0 :   return _mm256_loadu_si256((const __m256i *)src);
      13           0 : }
      14             : 
      15           0 : INLINE void storeu(__m256i src, uint8_t dest[16]) {
      16           0 :   _mm256_storeu_si256((__m256i *)dest, src);
      17           0 : }
      18             : 
      19           0 : INLINE __m256i addv(__m256i a, __m256i b) { return _mm256_add_epi32(a, b); }
      20             : 
      21             : // Note that clang-format doesn't like the name "xor" for some reason.
      22           0 : INLINE __m256i xorv(__m256i a, __m256i b) { return _mm256_xor_si256(a, b); }
      23             : 
      24           0 : INLINE __m256i set1(uint32_t x) { return _mm256_set1_epi32((int32_t)x); }
      25             : 
      26           0 : INLINE __m256i rot16(__m256i x) {
      27           0 :   return _mm256_shuffle_epi8(
      28           0 :       x, _mm256_set_epi8(13, 12, 15, 14, 9, 8, 11, 10, 5, 4, 7, 6, 1, 0, 3, 2,
      29           0 :                          13, 12, 15, 14, 9, 8, 11, 10, 5, 4, 7, 6, 1, 0, 3, 2));
      30           0 : }
      31             : 
      32           0 : INLINE __m256i rot12(__m256i x) {
      33           0 :   return _mm256_or_si256(_mm256_srli_epi32(x, 12), _mm256_slli_epi32(x, 32 - 12));
      34           0 : }
      35             : 
      36           0 : INLINE __m256i rot8(__m256i x) {
      37           0 :   return _mm256_shuffle_epi8(
      38           0 :       x, _mm256_set_epi8(12, 15, 14, 13, 8, 11, 10, 9, 4, 7, 6, 5, 0, 3, 2, 1,
      39           0 :                          12, 15, 14, 13, 8, 11, 10, 9, 4, 7, 6, 5, 0, 3, 2, 1));
      40           0 : }
      41             : 
      42           0 : INLINE __m256i rot7(__m256i x) {
      43           0 :   return _mm256_or_si256(_mm256_srli_epi32(x, 7), _mm256_slli_epi32(x, 32 - 7));
      44           0 : }
      45             : 
      46           0 : INLINE void round_fn(__m256i v[16], __m256i m[16], size_t r) {
      47           0 :   v[0] = addv(v[0], m[(size_t)MSG_SCHEDULE[r][0]]);
      48           0 :   v[1] = addv(v[1], m[(size_t)MSG_SCHEDULE[r][2]]);
      49           0 :   v[2] = addv(v[2], m[(size_t)MSG_SCHEDULE[r][4]]);
      50           0 :   v[3] = addv(v[3], m[(size_t)MSG_SCHEDULE[r][6]]);
      51           0 :   v[0] = addv(v[0], v[4]);
      52           0 :   v[1] = addv(v[1], v[5]);
      53           0 :   v[2] = addv(v[2], v[6]);
      54           0 :   v[3] = addv(v[3], v[7]);
      55           0 :   v[12] = xorv(v[12], v[0]);
      56           0 :   v[13] = xorv(v[13], v[1]);
      57           0 :   v[14] = xorv(v[14], v[2]);
      58           0 :   v[15] = xorv(v[15], v[3]);
      59           0 :   v[12] = rot16(v[12]);
      60           0 :   v[13] = rot16(v[13]);
      61           0 :   v[14] = rot16(v[14]);
      62           0 :   v[15] = rot16(v[15]);
      63           0 :   v[8] = addv(v[8], v[12]);
      64           0 :   v[9] = addv(v[9], v[13]);
      65           0 :   v[10] = addv(v[10], v[14]);
      66           0 :   v[11] = addv(v[11], v[15]);
      67           0 :   v[4] = xorv(v[4], v[8]);
      68           0 :   v[5] = xorv(v[5], v[9]);
      69           0 :   v[6] = xorv(v[6], v[10]);
      70           0 :   v[7] = xorv(v[7], v[11]);
      71           0 :   v[4] = rot12(v[4]);
      72           0 :   v[5] = rot12(v[5]);
      73           0 :   v[6] = rot12(v[6]);
      74           0 :   v[7] = rot12(v[7]);
      75           0 :   v[0] = addv(v[0], m[(size_t)MSG_SCHEDULE[r][1]]);
      76           0 :   v[1] = addv(v[1], m[(size_t)MSG_SCHEDULE[r][3]]);
      77           0 :   v[2] = addv(v[2], m[(size_t)MSG_SCHEDULE[r][5]]);
      78           0 :   v[3] = addv(v[3], m[(size_t)MSG_SCHEDULE[r][7]]);
      79           0 :   v[0] = addv(v[0], v[4]);
      80           0 :   v[1] = addv(v[1], v[5]);
      81           0 :   v[2] = addv(v[2], v[6]);
      82           0 :   v[3] = addv(v[3], v[7]);
      83           0 :   v[12] = xorv(v[12], v[0]);
      84           0 :   v[13] = xorv(v[13], v[1]);
      85           0 :   v[14] = xorv(v[14], v[2]);
      86           0 :   v[15] = xorv(v[15], v[3]);
      87           0 :   v[12] = rot8(v[12]);
      88           0 :   v[13] = rot8(v[13]);
      89           0 :   v[14] = rot8(v[14]);
      90           0 :   v[15] = rot8(v[15]);
      91           0 :   v[8] = addv(v[8], v[12]);
      92           0 :   v[9] = addv(v[9], v[13]);
      93           0 :   v[10] = addv(v[10], v[14]);
      94           0 :   v[11] = addv(v[11], v[15]);
      95           0 :   v[4] = xorv(v[4], v[8]);
      96           0 :   v[5] = xorv(v[5], v[9]);
      97           0 :   v[6] = xorv(v[6], v[10]);
      98           0 :   v[7] = xorv(v[7], v[11]);
      99           0 :   v[4] = rot7(v[4]);
     100           0 :   v[5] = rot7(v[5]);
     101           0 :   v[6] = rot7(v[6]);
     102           0 :   v[7] = rot7(v[7]);
     103             : 
     104           0 :   v[0] = addv(v[0], m[(size_t)MSG_SCHEDULE[r][8]]);
     105           0 :   v[1] = addv(v[1], m[(size_t)MSG_SCHEDULE[r][10]]);
     106           0 :   v[2] = addv(v[2], m[(size_t)MSG_SCHEDULE[r][12]]);
     107           0 :   v[3] = addv(v[3], m[(size_t)MSG_SCHEDULE[r][14]]);
     108           0 :   v[0] = addv(v[0], v[5]);
     109           0 :   v[1] = addv(v[1], v[6]);
     110           0 :   v[2] = addv(v[2], v[7]);
     111           0 :   v[3] = addv(v[3], v[4]);
     112           0 :   v[15] = xorv(v[15], v[0]);
     113           0 :   v[12] = xorv(v[12], v[1]);
     114           0 :   v[13] = xorv(v[13], v[2]);
     115           0 :   v[14] = xorv(v[14], v[3]);
     116           0 :   v[15] = rot16(v[15]);
     117           0 :   v[12] = rot16(v[12]);
     118           0 :   v[13] = rot16(v[13]);
     119           0 :   v[14] = rot16(v[14]);
     120           0 :   v[10] = addv(v[10], v[15]);
     121           0 :   v[11] = addv(v[11], v[12]);
     122           0 :   v[8] = addv(v[8], v[13]);
     123           0 :   v[9] = addv(v[9], v[14]);
     124           0 :   v[5] = xorv(v[5], v[10]);
     125           0 :   v[6] = xorv(v[6], v[11]);
     126           0 :   v[7] = xorv(v[7], v[8]);
     127           0 :   v[4] = xorv(v[4], v[9]);
     128           0 :   v[5] = rot12(v[5]);
     129           0 :   v[6] = rot12(v[6]);
     130           0 :   v[7] = rot12(v[7]);
     131           0 :   v[4] = rot12(v[4]);
     132           0 :   v[0] = addv(v[0], m[(size_t)MSG_SCHEDULE[r][9]]);
     133           0 :   v[1] = addv(v[1], m[(size_t)MSG_SCHEDULE[r][11]]);
     134           0 :   v[2] = addv(v[2], m[(size_t)MSG_SCHEDULE[r][13]]);
     135           0 :   v[3] = addv(v[3], m[(size_t)MSG_SCHEDULE[r][15]]);
     136           0 :   v[0] = addv(v[0], v[5]);
     137           0 :   v[1] = addv(v[1], v[6]);
     138           0 :   v[2] = addv(v[2], v[7]);
     139           0 :   v[3] = addv(v[3], v[4]);
     140           0 :   v[15] = xorv(v[15], v[0]);
     141           0 :   v[12] = xorv(v[12], v[1]);
     142           0 :   v[13] = xorv(v[13], v[2]);
     143           0 :   v[14] = xorv(v[14], v[3]);
     144           0 :   v[15] = rot8(v[15]);
     145           0 :   v[12] = rot8(v[12]);
     146           0 :   v[13] = rot8(v[13]);
     147           0 :   v[14] = rot8(v[14]);
     148           0 :   v[10] = addv(v[10], v[15]);
     149           0 :   v[11] = addv(v[11], v[12]);
     150           0 :   v[8] = addv(v[8], v[13]);
     151           0 :   v[9] = addv(v[9], v[14]);
     152           0 :   v[5] = xorv(v[5], v[10]);
     153           0 :   v[6] = xorv(v[6], v[11]);
     154           0 :   v[7] = xorv(v[7], v[8]);
     155           0 :   v[4] = xorv(v[4], v[9]);
     156           0 :   v[5] = rot7(v[5]);
     157           0 :   v[6] = rot7(v[6]);
     158           0 :   v[7] = rot7(v[7]);
     159           0 :   v[4] = rot7(v[4]);
     160           0 : }
     161             : 
     162           0 : INLINE void transpose_vecs(__m256i vecs[DEGREE]) {
     163             :   // Interleave 32-bit lanes. The low unpack is lanes 00/11/44/55, and the high
     164             :   // is 22/33/66/77.
     165           0 :   __m256i ab_0145 = _mm256_unpacklo_epi32(vecs[0], vecs[1]);
     166           0 :   __m256i ab_2367 = _mm256_unpackhi_epi32(vecs[0], vecs[1]);
     167           0 :   __m256i cd_0145 = _mm256_unpacklo_epi32(vecs[2], vecs[3]);
     168           0 :   __m256i cd_2367 = _mm256_unpackhi_epi32(vecs[2], vecs[3]);
     169           0 :   __m256i ef_0145 = _mm256_unpacklo_epi32(vecs[4], vecs[5]);
     170           0 :   __m256i ef_2367 = _mm256_unpackhi_epi32(vecs[4], vecs[5]);
     171           0 :   __m256i gh_0145 = _mm256_unpacklo_epi32(vecs[6], vecs[7]);
     172           0 :   __m256i gh_2367 = _mm256_unpackhi_epi32(vecs[6], vecs[7]);
     173             : 
     174             :   // Interleave 64-bit lates. The low unpack is lanes 00/22 and the high is
     175             :   // 11/33.
     176           0 :   __m256i abcd_04 = _mm256_unpacklo_epi64(ab_0145, cd_0145);
     177           0 :   __m256i abcd_15 = _mm256_unpackhi_epi64(ab_0145, cd_0145);
     178           0 :   __m256i abcd_26 = _mm256_unpacklo_epi64(ab_2367, cd_2367);
     179           0 :   __m256i abcd_37 = _mm256_unpackhi_epi64(ab_2367, cd_2367);
     180           0 :   __m256i efgh_04 = _mm256_unpacklo_epi64(ef_0145, gh_0145);
     181           0 :   __m256i efgh_15 = _mm256_unpackhi_epi64(ef_0145, gh_0145);
     182           0 :   __m256i efgh_26 = _mm256_unpacklo_epi64(ef_2367, gh_2367);
     183           0 :   __m256i efgh_37 = _mm256_unpackhi_epi64(ef_2367, gh_2367);
     184             : 
     185             :   // Interleave 128-bit lanes.
     186           0 :   vecs[0] = _mm256_permute2x128_si256(abcd_04, efgh_04, 0x20);
     187           0 :   vecs[1] = _mm256_permute2x128_si256(abcd_15, efgh_15, 0x20);
     188           0 :   vecs[2] = _mm256_permute2x128_si256(abcd_26, efgh_26, 0x20);
     189           0 :   vecs[3] = _mm256_permute2x128_si256(abcd_37, efgh_37, 0x20);
     190           0 :   vecs[4] = _mm256_permute2x128_si256(abcd_04, efgh_04, 0x31);
     191           0 :   vecs[5] = _mm256_permute2x128_si256(abcd_15, efgh_15, 0x31);
     192           0 :   vecs[6] = _mm256_permute2x128_si256(abcd_26, efgh_26, 0x31);
     193           0 :   vecs[7] = _mm256_permute2x128_si256(abcd_37, efgh_37, 0x31);
     194           0 : }
     195             : 
     196             : INLINE void transpose_msg_vecs(const uint8_t *const *inputs,
     197           0 :                                size_t block_offset, __m256i out[16]) {
     198           0 :   out[0] = loadu(&inputs[0][block_offset + 0 * sizeof(__m256i)]);
     199           0 :   out[1] = loadu(&inputs[1][block_offset + 0 * sizeof(__m256i)]);
     200           0 :   out[2] = loadu(&inputs[2][block_offset + 0 * sizeof(__m256i)]);
     201           0 :   out[3] = loadu(&inputs[3][block_offset + 0 * sizeof(__m256i)]);
     202           0 :   out[4] = loadu(&inputs[4][block_offset + 0 * sizeof(__m256i)]);
     203           0 :   out[5] = loadu(&inputs[5][block_offset + 0 * sizeof(__m256i)]);
     204           0 :   out[6] = loadu(&inputs[6][block_offset + 0 * sizeof(__m256i)]);
     205           0 :   out[7] = loadu(&inputs[7][block_offset + 0 * sizeof(__m256i)]);
     206           0 :   out[8] = loadu(&inputs[0][block_offset + 1 * sizeof(__m256i)]);
     207           0 :   out[9] = loadu(&inputs[1][block_offset + 1 * sizeof(__m256i)]);
     208           0 :   out[10] = loadu(&inputs[2][block_offset + 1 * sizeof(__m256i)]);
     209           0 :   out[11] = loadu(&inputs[3][block_offset + 1 * sizeof(__m256i)]);
     210           0 :   out[12] = loadu(&inputs[4][block_offset + 1 * sizeof(__m256i)]);
     211           0 :   out[13] = loadu(&inputs[5][block_offset + 1 * sizeof(__m256i)]);
     212           0 :   out[14] = loadu(&inputs[6][block_offset + 1 * sizeof(__m256i)]);
     213           0 :   out[15] = loadu(&inputs[7][block_offset + 1 * sizeof(__m256i)]);
     214           0 :   for (size_t i = 0; i < 8; ++i) {
     215           0 :     _mm_prefetch((const void *)&inputs[i][block_offset + 256], _MM_HINT_T0);
     216           0 :   }
     217           0 :   transpose_vecs(&out[0]);
     218           0 :   transpose_vecs(&out[8]);
     219           0 : }
     220             : 
     221             : INLINE void load_counters(uint64_t counter, bool increment_counter,
     222           0 :                           __m256i *out_lo, __m256i *out_hi) {
     223           0 :   const __m256i mask = _mm256_set1_epi32(-(int32_t)increment_counter);
     224           0 :   const __m256i add0 = _mm256_set_epi32(7, 6, 5, 4, 3, 2, 1, 0);
     225           0 :   const __m256i add1 = _mm256_and_si256(mask, add0);
     226           0 :   __m256i l = _mm256_add_epi32(_mm256_set1_epi32((int32_t)counter), add1);
     227           0 :   __m256i carry = _mm256_cmpgt_epi32(_mm256_xor_si256(add1, _mm256_set1_epi32((int)0x80000000)),
     228           0 :                                      _mm256_xor_si256(   l, _mm256_set1_epi32((int)0x80000000)));
     229           0 :   __m256i h = _mm256_sub_epi32(_mm256_set1_epi32((int32_t)(counter >> 32)), carry);
     230           0 :   *out_lo = l;
     231           0 :   *out_hi = h;
     232           0 : }
     233             : 
     234             : static
     235             : void blake3_hash8_avx2(const uint8_t *const *inputs, size_t blocks,
     236             :                        const uint32_t key[8], uint64_t counter,
     237             :                        bool increment_counter, uint8_t flags,
     238           0 :                        uint8_t flags_start, uint8_t flags_end, uint8_t *out) {
     239           0 :   __m256i h_vecs[8] = {
     240           0 :       set1(key[0]), set1(key[1]), set1(key[2]), set1(key[3]),
     241           0 :       set1(key[4]), set1(key[5]), set1(key[6]), set1(key[7]),
     242           0 :   };
     243           0 :   __m256i counter_low_vec, counter_high_vec;
     244           0 :   load_counters(counter, increment_counter, &counter_low_vec,
     245           0 :                 &counter_high_vec);
     246           0 :   uint8_t block_flags = flags | flags_start;
     247             : 
     248           0 :   for (size_t block = 0; block < blocks; block++) {
     249           0 :     if (block + 1 == blocks) {
     250           0 :       block_flags |= flags_end;
     251           0 :     }
     252           0 :     __m256i block_len_vec = set1(BLAKE3_BLOCK_LEN);
     253           0 :     __m256i block_flags_vec = set1(block_flags);
     254           0 :     __m256i msg_vecs[16];
     255           0 :     transpose_msg_vecs(inputs, block * BLAKE3_BLOCK_LEN, msg_vecs);
     256             : 
     257           0 :     __m256i v[16] = {
     258           0 :         h_vecs[0],       h_vecs[1],        h_vecs[2],     h_vecs[3],
     259           0 :         h_vecs[4],       h_vecs[5],        h_vecs[6],     h_vecs[7],
     260           0 :         set1(IV[0]),     set1(IV[1]),      set1(IV[2]),   set1(IV[3]),
     261           0 :         counter_low_vec, counter_high_vec, block_len_vec, block_flags_vec,
     262           0 :     };
     263           0 :     round_fn(v, msg_vecs, 0);
     264           0 :     round_fn(v, msg_vecs, 1);
     265           0 :     round_fn(v, msg_vecs, 2);
     266           0 :     round_fn(v, msg_vecs, 3);
     267           0 :     round_fn(v, msg_vecs, 4);
     268           0 :     round_fn(v, msg_vecs, 5);
     269           0 :     round_fn(v, msg_vecs, 6);
     270           0 :     h_vecs[0] = xorv(v[0], v[8]);
     271           0 :     h_vecs[1] = xorv(v[1], v[9]);
     272           0 :     h_vecs[2] = xorv(v[2], v[10]);
     273           0 :     h_vecs[3] = xorv(v[3], v[11]);
     274           0 :     h_vecs[4] = xorv(v[4], v[12]);
     275           0 :     h_vecs[5] = xorv(v[5], v[13]);
     276           0 :     h_vecs[6] = xorv(v[6], v[14]);
     277           0 :     h_vecs[7] = xorv(v[7], v[15]);
     278             : 
     279           0 :     block_flags = flags;
     280           0 :   }
     281             : 
     282           0 :   transpose_vecs(h_vecs);
     283           0 :   storeu(h_vecs[0], &out[0 * sizeof(__m256i)]);
     284           0 :   storeu(h_vecs[1], &out[1 * sizeof(__m256i)]);
     285           0 :   storeu(h_vecs[2], &out[2 * sizeof(__m256i)]);
     286           0 :   storeu(h_vecs[3], &out[3 * sizeof(__m256i)]);
     287           0 :   storeu(h_vecs[4], &out[4 * sizeof(__m256i)]);
     288           0 :   storeu(h_vecs[5], &out[5 * sizeof(__m256i)]);
     289           0 :   storeu(h_vecs[6], &out[6 * sizeof(__m256i)]);
     290           0 :   storeu(h_vecs[7], &out[7 * sizeof(__m256i)]);
     291           0 : }
     292             : 
     293             : #if FD_HAS_AVX
     294             : void blake3_hash_many_sse41(const uint8_t *const *inputs, size_t num_inputs,
     295             :                             size_t blocks, const uint32_t key[8],
     296             :                             uint64_t counter, bool increment_counter,
     297             :                             uint8_t flags, uint8_t flags_start,
     298             :                             uint8_t flags_end, uint8_t *out);
     299             : #else
     300             : void blake3_hash_many_portable(const uint8_t *const *inputs, size_t num_inputs,
     301             :                                size_t blocks, const uint32_t key[8],
     302             :                                uint64_t counter, bool increment_counter,
     303             :                                uint8_t flags, uint8_t flags_start,
     304             :                                uint8_t flags_end, uint8_t *out);
     305             : #endif /* FD_HAS_AVX */
     306             : 
     307             : void blake3_hash_many_avx2(const uint8_t *const *inputs, size_t num_inputs,
     308             :                            size_t blocks, const uint32_t key[8],
     309             :                            uint64_t counter, bool increment_counter,
     310             :                            uint8_t flags, uint8_t flags_start,
     311           0 :                            uint8_t flags_end, uint8_t *out) {
     312           0 :   while (num_inputs >= DEGREE) {
     313           0 :     blake3_hash8_avx2(inputs, blocks, key, counter, increment_counter, flags,
     314           0 :                       flags_start, flags_end, out);
     315           0 :     if (increment_counter) {
     316           0 :       counter += DEGREE;
     317           0 :     }
     318           0 :     inputs += DEGREE;
     319           0 :     num_inputs -= DEGREE;
     320           0 :     out = &out[DEGREE * BLAKE3_OUT_LEN];
     321           0 :   }
     322           0 : #if FD_HAS_AVX
     323           0 :   blake3_hash_many_sse41(inputs, num_inputs, blocks, key, counter,
     324           0 :                          increment_counter, flags, flags_start, flags_end, out);
     325             : #else
     326             :   blake3_hash_many_portable(inputs, num_inputs, blocks, key, counter,
     327             :                             increment_counter, flags, flags_start, flags_end,
     328             :                             out);
     329             : #endif
     330           0 : }