]> Cypherpunks repositories - gostls13.git/commitdiff
crypto/internal/fips140/edwards25519/field: optimize *19
authorEgon Elbre <egonelbre@gmail.com>
Tue, 18 Feb 2025 11:17:16 +0000 (13:17 +0200)
committerGopher Robot <gobot@golang.org>
Tue, 25 Feb 2025 20:05:57 +0000 (12:05 -0800)
Using a `x*19 == x + (x + x<<3)<<1` gives a significant performance
improvement for arm devices that have a slow multiply.
Surprisingly it also seems to help Mac M1 and AMD64+purgo a bit.

goos: linux
goarch: arm64
pkg: crypto/internal/fips140/edwards25519
                              │     OLD     │                NEW                 │
                              │   sec/op    │   sec/op     vs base               │
EncodingDecoding-4              166.3µ ± 0%   158.7µ ± 0%  -4.57% (p=0.000 n=10)
ScalarBaseMult-4                286.0µ ± 0%   281.2µ ± 0%  -1.70% (p=0.000 n=10)
ScalarMult-4                    1.042m ± 0%   1.009m ± 0%  -3.22% (p=0.000 n=10)
VarTimeDoubleScalarBaseMult-4   1.042m ± 0%   1.003m ± 0%  -3.66% (p=0.000 n=10)
geomean                         476.7µ        461.0µ       -3.29%

pkg: crypto/internal/fips140/edwards25519/field
           │     OLD     │                NEW                 │
           │   sec/op    │   sec/op     vs base               │
Add-4        45.24n ± 0%   45.22n ± 0%       ~ (p=0.166 n=10)
Multiply-4   447.5n ± 0%   454.0n ± 0%  +1.46% (p=0.000 n=10)
Square-4     289.7n ± 0%   278.2n ± 0%  -3.99% (p=0.000 n=10)
Invert-4     79.45µ ± 0%   75.83µ ± 0%  -4.55% (p=0.000 n=10)
Mult32-4     78.67n ± 0%   78.66n ± 0%       ~ (p=0.272 n=10)
Bytes-4      120.5n ± 0%   120.6n ± 0%       ~ (p=0.390 n=10)
geomean      405.0n        400.2n       -1.20%

goos: darwin
goarch: arm64
pkg: crypto/internal/fips140/edwards25519
cpu: Apple M1 Pro
                               │     OLD     │                NEW                 │
                               │   sec/op    │   sec/op     vs base               │
EncodingDecoding-10              10.04µ ± 0%   10.10µ ± 0%  +0.54% (p=0.000 n=10)
ScalarBaseMult-10                12.72µ ± 0%   12.65µ ± 0%  -0.50% (p=0.000 n=10)
ScalarMult-10                    51.82µ ± 0%   51.49µ ± 0%  -0.63% (p=0.000 n=10)
VarTimeDoubleScalarBaseMult-10   50.63µ ± 2%   49.41µ ± 0%  -2.41% (p=0.001 n=10)
geomean                          24.06µ        23.88µ       -0.75%

pkg: crypto/internal/fips140/edwards25519/field
            │     OLD     │                NEW                 │
            │   sec/op    │   sec/op     vs base               │
Add-10        6.327n ± 2%   6.009n ± 1%  -5.03% (p=0.000 n=10)
Multiply-10   19.12n ± 0%   19.59n ± 0%  +2.48% (p=0.000 n=10)
Square-10     17.88n ± 0%   18.14n ± 0%  +1.40% (p=0.000 n=10)
Invert-10     4.816µ ± 0%   4.854µ ± 0%  +0.78% (p=0.000 n=10)
Mult32-10     6.188n ± 0%   6.151n ± 0%  -0.61% (p=0.001 n=10)
Bytes-10      7.460n ± 0%   7.463n ± 1%       ~ (p=0.795 n=10)
geomean       27.99n        27.94n       -0.19%

tags: purego
goos: windows
goarch: amd64
pkg: crypto/internal/fips140/edwards25519
cpu: AMD Ryzen Threadripper 2950X 16-Core Processor
                               │     OLD     │                NEW                 │
                               │   sec/op    │   sec/op     vs base               │
EncodingDecoding-32              13.61µ ± 1%   12.86µ ± 0%  -5.54% (p=0.000 n=10)
ScalarBaseMult-32                22.88µ ± 2%   21.28µ ± 1%  -6.98% (p=0.000 n=10)
ScalarMult-32                    79.29µ ± 3%   74.83µ ± 1%  -5.63% (p=0.000 n=10)
VarTimeDoubleScalarBaseMult-32   77.91µ ± 2%   73.85µ ± 0%  -5.22% (p=0.000 n=10)
geomean                          37.24µ        35.06µ       -5.85%

pkg: crypto/internal/fips140/edwards25519/field
            │     OLD     │                NEW                 │
            │   sec/op    │   sec/op     vs base               │
Add-32        5.723n ± 2%   5.700n ± 1%       ~ (p=0.218 n=10)
Multiply-32   30.63n ± 1%   29.24n ± 2%  -4.52% (p=0.000 n=10)
Square-32     24.30n ± 1%   23.06n ± 1%  -5.10% (p=0.000 n=10)
Invert-32     6.368µ ± 1%   5.952µ ± 2%  -6.53% (p=0.000 n=10)
Mult32-32     5.303n ± 2%   5.240n ± 1%  -1.17% (p=0.041 n=10)
Bytes-32      12.47n ± 1%   12.39n ± 1%       ~ (p=0.137 n=10)
geomean       34.86n        33.78n       -3.10%

Change-Id: I889b322bf49293516574d3e9514734a49cca1f86
Reviewed-on: https://go-review.googlesource.com/c/go/+/650277
Reviewed-by: Filippo Valsorda <filippo@golang.org>
Reviewed-by: Ian Lance Taylor <iant@google.com>
Reviewed-by: Michael Pratt <mpratt@google.com>
LUCI-TryBot-Result: Go LUCI <golang-scoped@luci-project-accounts.iam.gserviceaccount.com>
Auto-Submit: Filippo Valsorda <filippo@golang.org>

src/crypto/internal/fips140/edwards25519/field/fe_generic.go
src/crypto/internal/fips140/edwards25519/field/fe_test.go

index 86f5fd95534d949ecc2c4f8ba08b7e5974bf29fd..f1d0ff371511255e03af8df79460f92dce1e69e5 100644 (file)
@@ -12,20 +12,42 @@ type uint128 struct {
        lo, hi uint64
 }
 
-// mul64 returns a * b.
-func mul64(a, b uint64) uint128 {
+// mul returns a * b.
+func mul(a, b uint64) uint128 {
        hi, lo := bits.Mul64(a, b)
        return uint128{lo, hi}
 }
 
-// addMul64 returns v + a * b.
-func addMul64(v uint128, a, b uint64) uint128 {
+// addMul returns v + a * b.
+func addMul(v uint128, a, b uint64) uint128 {
        hi, lo := bits.Mul64(a, b)
        lo, c := bits.Add64(lo, v.lo, 0)
        hi, _ = bits.Add64(hi, v.hi, c)
        return uint128{lo, hi}
 }
 
+// mul19 returns v * 19.
+func mul19(v uint64) uint64 {
+       // Using this approach seems to yield better optimizations than *19.
+       return v + (v+v<<3)<<1
+}
+
+// addMul19 returns v + 19 * a * b, where a and b are at most 52 bits.
+func addMul19(v uint128, a, b uint64) uint128 {
+       hi, lo := bits.Mul64(mul19(a), b)
+       lo, c := bits.Add64(lo, v.lo, 0)
+       hi, _ = bits.Add64(hi, v.hi, c)
+       return uint128{lo, hi}
+}
+
+// addMul38 returns v + 38 * a * b, where a and b are at most 52 bits.
+func addMul38(v uint128, a, b uint64) uint128 {
+       hi, lo := bits.Mul64(mul19(a), b*2)
+       lo, c := bits.Add64(lo, v.lo, 0)
+       hi, _ = bits.Add64(hi, v.hi, c)
+       return uint128{lo, hi}
+}
+
 // shiftRightBy51 returns a >> 51. a is assumed to be at most 115 bits.
 func shiftRightBy51(a uint128) uint64 {
        return (a.hi << (64 - 51)) | (a.lo >> 51)
@@ -76,45 +98,40 @@ func feMulGeneric(v, a, b *Element) {
        //
        // Finally we add up the columns into wide, overlapping limbs.
 
-       a1_19 := a1 * 19
-       a2_19 := a2 * 19
-       a3_19 := a3 * 19
-       a4_19 := a4 * 19
-
        // r0 = a0×b0 + 19×(a1×b4 + a2×b3 + a3×b2 + a4×b1)
-       r0 := mul64(a0, b0)
-       r0 = addMul64(r0, a1_19, b4)
-       r0 = addMul64(r0, a2_19, b3)
-       r0 = addMul64(r0, a3_19, b2)
-       r0 = addMul64(r0, a4_19, b1)
+       r0 := mul(a0, b0)
+       r0 = addMul19(r0, a1, b4)
+       r0 = addMul19(r0, a2, b3)
+       r0 = addMul19(r0, a3, b2)
+       r0 = addMul19(r0, a4, b1)
 
        // r1 = a0×b1 + a1×b0 + 19×(a2×b4 + a3×b3 + a4×b2)
-       r1 := mul64(a0, b1)
-       r1 = addMul64(r1, a1, b0)
-       r1 = addMul64(r1, a2_19, b4)
-       r1 = addMul64(r1, a3_19, b3)
-       r1 = addMul64(r1, a4_19, b2)
+       r1 := mul(a0, b1)
+       r1 = addMul(r1, a1, b0)
+       r1 = addMul19(r1, a2, b4)
+       r1 = addMul19(r1, a3, b3)
+       r1 = addMul19(r1, a4, b2)
 
        // r2 = a0×b2 + a1×b1 + a2×b0 + 19×(a3×b4 + a4×b3)
-       r2 := mul64(a0, b2)
-       r2 = addMul64(r2, a1, b1)
-       r2 = addMul64(r2, a2, b0)
-       r2 = addMul64(r2, a3_19, b4)
-       r2 = addMul64(r2, a4_19, b3)
+       r2 := mul(a0, b2)
+       r2 = addMul(r2, a1, b1)
+       r2 = addMul(r2, a2, b0)
+       r2 = addMul19(r2, a3, b4)
+       r2 = addMul19(r2, a4, b3)
 
        // r3 = a0×b3 + a1×b2 + a2×b1 + a3×b0 + 19×a4×b4
-       r3 := mul64(a0, b3)
-       r3 = addMul64(r3, a1, b2)
-       r3 = addMul64(r3, a2, b1)
-       r3 = addMul64(r3, a3, b0)
-       r3 = addMul64(r3, a4_19, b4)
+       r3 := mul(a0, b3)
+       r3 = addMul(r3, a1, b2)
+       r3 = addMul(r3, a2, b1)
+       r3 = addMul(r3, a3, b0)
+       r3 = addMul19(r3, a4, b4)
 
        // r4 = a0×b4 + a1×b3 + a2×b2 + a3×b1 + a4×b0
-       r4 := mul64(a0, b4)
-       r4 = addMul64(r4, a1, b3)
-       r4 = addMul64(r4, a2, b2)
-       r4 = addMul64(r4, a3, b1)
-       r4 = addMul64(r4, a4, b0)
+       r4 := mul(a0, b4)
+       r4 = addMul(r4, a1, b3)
+       r4 = addMul(r4, a2, b2)
+       r4 = addMul(r4, a3, b1)
+       r4 = addMul(r4, a4, b0)
 
        // After the multiplication, we need to reduce (carry) the five coefficients
        // to obtain a result with limbs that are at most slightly larger than 2⁵¹,
@@ -149,7 +166,7 @@ func feMulGeneric(v, a, b *Element) {
        c3 := shiftRightBy51(r3)
        c4 := shiftRightBy51(r4)
 
-       rr0 := r0.lo&maskLow51Bits + c4*19
+       rr0 := r0.lo&maskLow51Bits + mul19(c4)
        rr1 := r1.lo&maskLow51Bits + c0
        rr2 := r2.lo&maskLow51Bits + c1
        rr3 := r3.lo&maskLow51Bits + c2
@@ -190,44 +207,31 @@ func feSquareGeneric(v, a *Element) {
        //            l0l4 19×l4l4 19×l3l4 19×l2l4 19×l1l4  =
        //           --------------------------------------
        //              r4      r3      r2      r1      r0
-       //
-       // With precomputed 2×, 19×, and 2×19× terms, we can compute each limb with
-       // only three Mul64 and four Add64, instead of five and eight.
-
-       l0_2 := l0 * 2
-       l1_2 := l1 * 2
-
-       l1_38 := l1 * 38
-       l2_38 := l2 * 38
-       l3_38 := l3 * 38
-
-       l3_19 := l3 * 19
-       l4_19 := l4 * 19
 
        // r0 = l0×l0 + 19×(l1×l4 + l2×l3 + l3×l2 + l4×l1) = l0×l0 + 19×2×(l1×l4 + l2×l3)
-       r0 := mul64(l0, l0)
-       r0 = addMul64(r0, l1_38, l4)
-       r0 = addMul64(r0, l2_38, l3)
+       r0 := mul(l0, l0)
+       r0 = addMul38(r0, l1, l4)
+       r0 = addMul38(r0, l2, l3)
 
        // r1 = l0×l1 + l1×l0 + 19×(l2×l4 + l3×l3 + l4×l2) = 2×l0×l1 + 19×2×l2×l4 + 19×l3×l3
-       r1 := mul64(l0_2, l1)
-       r1 = addMul64(r1, l2_38, l4)
-       r1 = addMul64(r1, l3_19, l3)
+       r1 := mul(l0*2, l1)
+       r1 = addMul38(r1, l2, l4)
+       r1 = addMul19(r1, l3, l3)
 
        // r2 = l0×l2 + l1×l1 + l2×l0 + 19×(l3×l4 + l4×l3) = 2×l0×l2 + l1×l1 + 19×2×l3×l4
-       r2 := mul64(l0_2, l2)
-       r2 = addMul64(r2, l1, l1)
-       r2 = addMul64(r2, l3_38, l4)
+       r2 := mul(l0*2, l2)
+       r2 = addMul(r2, l1, l1)
+       r2 = addMul38(r2, l3, l4)
 
        // r3 = l0×l3 + l1×l2 + l2×l1 + l3×l0 + 19×l4×l4 = 2×l0×l3 + 2×l1×l2 + 19×l4×l4
-       r3 := mul64(l0_2, l3)
-       r3 = addMul64(r3, l1_2, l2)
-       r3 = addMul64(r3, l4_19, l4)
+       r3 := mul(l0*2, l3)
+       r3 = addMul(r3, l1*2, l2)
+       r3 = addMul19(r3, l4, l4)
 
        // r4 = l0×l4 + l1×l3 + l2×l2 + l3×l1 + l4×l0 = 2×l0×l4 + 2×l1×l3 + l2×l2
-       r4 := mul64(l0_2, l4)
-       r4 = addMul64(r4, l1_2, l3)
-       r4 = addMul64(r4, l2, l2)
+       r4 := mul(l0*2, l4)
+       r4 = addMul(r4, l1*2, l3)
+       r4 = addMul(r4, l2, l2)
 
        c0 := shiftRightBy51(r0)
        c1 := shiftRightBy51(r1)
@@ -235,7 +239,7 @@ func feSquareGeneric(v, a *Element) {
        c3 := shiftRightBy51(r3)
        c4 := shiftRightBy51(r4)
 
-       rr0 := r0.lo&maskLow51Bits + c4*19
+       rr0 := r0.lo&maskLow51Bits + mul19(c4)
        rr1 := r1.lo&maskLow51Bits + c0
        rr2 := r2.lo&maskLow51Bits + c1
        rr3 := r3.lo&maskLow51Bits + c2
@@ -256,7 +260,7 @@ func (v *Element) carryPropagateGeneric() *Element {
 
        // c4 is at most 64 - 51 = 13 bits, so c4*19 is at most 18 bits, and
        // the final l0 will be at most 52 bits. Similarly for the rest.
-       v.l0 = v.l0&maskLow51Bits + c4*19
+       v.l0 = v.l0&maskLow51Bits + mul19(c4)
        v.l1 = v.l1&maskLow51Bits + c0
        v.l2 = v.l2&maskLow51Bits + c1
        v.l3 = v.l3&maskLow51Bits + c2
index 0d7ae2b0f6ea511e0d01a05aa11c4a546c2e5b00..eca6d63b7465bcac6853eaf4a156a9fbd6ed0061 100644 (file)
@@ -128,25 +128,25 @@ func TestMultiplyDistributesOverAdd(t *testing.T) {
 func TestMul64to128(t *testing.T) {
        a := uint64(5)
        b := uint64(5)
-       r := mul64(a, b)
+       r := mul(a, b)
        if r.lo != 0x19 || r.hi != 0 {
                t.Errorf("lo-range wide mult failed, got %d + %d*(2**64)", r.lo, r.hi)
        }
 
        a = uint64(18014398509481983) // 2^54 - 1
        b = uint64(18014398509481983) // 2^54 - 1
-       r = mul64(a, b)
+       r = mul(a, b)
        if r.lo != 0xff80000000000001 || r.hi != 0xfffffffffff {
                t.Errorf("hi-range wide mult failed, got %d + %d*(2**64)", r.lo, r.hi)
        }
 
        a = uint64(1125899906842661)
        b = uint64(2097155)
-       r = mul64(a, b)
-       r = addMul64(r, a, b)
-       r = addMul64(r, a, b)
-       r = addMul64(r, a, b)
-       r = addMul64(r, a, b)
+       r = mul(a, b)
+       r = addMul(r, a, b)
+       r = addMul(r, a, b)
+       r = addMul(r, a, b)
+       r = addMul(r, a, b)
        if r.lo != 16888498990613035 || r.hi != 640 {
                t.Errorf("wrong answer: %d + %d*(2**64)", r.lo, r.hi)
        }