]> sourceware.org Git - glibc.git/commitdiff
power7-optimized 64-bit and 32-bit memcpy
authorLuis Machado <luisgpm@br.ibm.com>
Wed, 10 Mar 2010 15:14:16 +0000 (07:14 -0800)
committerUlrich Drepper <drepper@redhat.com>
Wed, 10 Mar 2010 15:14:16 +0000 (07:14 -0800)
ChangeLog
sysdeps/powerpc/powerpc32/power7/memcpy.S [new file with mode: 0644]
sysdeps/powerpc/powerpc64/power7/memcpy.S [new file with mode: 0644]

index 7e5e7bb5b27de010f71079a097f6e1a265395f43..218545435a07297a4ae3e76e3d46464c507d15ad 100644 (file)
--- a/ChangeLog
+++ b/ChangeLog
@@ -1,3 +1,8 @@
+2010-03-10  Luis Machado  <luisgpm@br.ibm.com>
+
+       * sysdeps/powerpc/powerpc64/power7/memcpy.S: New file.
+       * sysdeps/powerpc/powerpc32/power7/memcpy.S: New file.
+
 2010-03-09  David S. Miller  <davem@davemloft.net>
 
        * sysdeps/sparc/sparc64/dl-machine.h (elf_machine_rela): Handling
diff --git a/sysdeps/powerpc/powerpc32/power7/memcpy.S b/sysdeps/powerpc/powerpc32/power7/memcpy.S
new file mode 100644 (file)
index 0000000..d96ef20
--- /dev/null
@@ -0,0 +1,469 @@
+/* Optimized memcpy implementation for PowerPC32/POWER7.
+   Copyright (C) 2010 Free Software Foundation, Inc.
+   Contributed by Luis Machado <luisgpm@br.ibm.com>.
+   This file is part of the GNU C Library.
+
+   The GNU C Library is free software; you can redistribute it and/or
+   modify it under the terms of the GNU Lesser General Public
+   License as published by the Free Software Foundation; either
+   version 2.1 of the License, or (at your option) any later version.
+
+   The GNU C Library is distributed in the hope that it will be useful,
+   but WITHOUT ANY WARRANTY; without even the implied warranty of
+   MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the GNU
+   Lesser General Public License for more details.
+
+   You should have received a copy of the GNU Lesser General Public
+   License along with the GNU C Library; if not, write to the Free
+   Software Foundation, Inc., 51 Franklin Street, Fifth Floor, Boston MA
+   02110-1301 USA.  */
+
+#include <sysdep.h>
+#include <bp-sym.h>
+#include <bp-asm.h>
+
+/* __ptr_t [r3] memcpy (__ptr_t dst [r3], __ptr_t src [r4], size_t len [r5]);
+   Returns 'dst'.  */
+
+       .machine  power7
+EALIGN (BP_SYM (memcpy), 5, 0)
+       CALL_MCOUNT
+
+       stwu    1,-32(1)
+       cfi_adjust_cfa_offset(32)
+       stw     30,20(1)
+       cfi_offset(30,(20-32))
+       stw     31,24(1)
+       mr      30,3
+       cmplwi  cr1,5,31
+       neg     0,3
+       cfi_offset(31,-8)
+       ble     cr1, L(copy_LT_32)  /* If move < 32 bytes use short move
+                                   code.  */
+
+       andi.   11,3,7        /* Check alignment of DST.  */
+       clrlwi  10,4,29       /* Check alignment of SRC.  */
+       cmplw   cr6,10,11     /* SRC and DST alignments match?  */
+       mr      12,4
+       mr      31,5
+       bne     cr6,L(copy_GE_32_unaligned)
+
+       srwi    9,5,3         /* Number of full quadwords remaining.  */
+
+       beq     L(copy_GE_32_aligned_cont)
+
+       clrlwi  0,0,29
+       mtcrf   0x01,0
+       subf    31,0,5
+
+       /* Get the SRC aligned to 8 bytes.  */
+
+1:     bf      31,2f
+       lbz     6,0(12)
+       addi    12,12,1
+       stb     6,0(3)
+       addi    3,3,1
+2:     bf      30,4f
+       lhz     6,0(12)
+       addi    12,12,2
+       sth     6,0(3)
+       addi    3,3,2
+4:     bf      29,0f
+       lwz     6,0(12)
+       addi    12,12,4
+       stw     6,0(3)
+       addi    3,3,4
+0:
+       clrlwi  10,12,29      /* Check alignment of SRC again.  */
+       srwi    9,31,3        /* Number of full doublewords remaining.  */
+
+L(copy_GE_32_aligned_cont):
+
+       clrlwi  11,31,29
+       mtcrf   0x01,9
+
+       srwi    8,31,5
+       cmplwi  cr1,9,4
+       cmplwi  cr6,11,0
+       mr      11,12
+
+       /* Copy 1~3 doublewords so the main loop starts
+       at a multiple of 32 bytes.  */
+
+       bf      30,1f
+       lfd     6,0(12)
+       lfd     7,8(12)
+       addi    11,12,16
+       mtctr   8
+       stfd    6,0(3)
+       stfd    7,8(3)
+       addi    10,3,16
+       bf      31,4f
+       lfd     0,16(12)
+       stfd    0,16(3)
+       blt     cr1,3f
+       addi    11,12,24
+       addi    10,3,24
+       b       4f
+
+       .align  4
+1:     /* Copy 1 doubleword and set the counter.  */
+       mr      10,3
+       mtctr   8
+       bf      31,4f
+       lfd     6,0(12)
+       addi    11,12,8
+       stfd    6,0(3)
+       addi    10,3,8
+
+       .align  4
+4:     /* Main aligned copy loop. Copies 32-bytes at a time.  */
+       lfd     6,0(11)
+       lfd     7,8(11)
+       lfd     8,16(11)
+       lfd     0,24(11)
+       addi    11,11,32
+
+       stfd    6,0(10)
+       stfd    7,8(10)
+       stfd    8,16(10)
+       stfd    0,24(10)
+       addi    10,10,32
+       bdnz    4b
+3:
+
+       /* Check for tail bytes.  */
+
+       clrrwi  0,31,3
+       mtcrf   0x01,31
+       beq     cr6,0f
+
+.L9:
+       add     3,3,0
+       add     12,12,0
+
+       /*  At this point we have a tail of 0-7 bytes and we know that the
+       destination is doubleword-aligned.  */
+4:     /* Copy 4 bytes.  */
+       bf      29,2f
+
+       lwz     6,0(12)
+       addi    12,12,4
+       stw     6,0(3)
+       addi    3,3,4
+2:     /* Copy 2 bytes.  */
+       bf      30,1f
+
+       lhz     6,0(12)
+       addi    12,12,2
+       sth     6,0(3)
+       addi    3,3,2
+1:     /* Copy 1 byte.  */
+       bf      31,0f
+
+       lbz     6,0(12)
+       stb     6,0(3)
+0:     /* Return original DST pointer.  */
+       mr      3,30
+       lwz     30,20(1)
+       lwz     31,24(1)
+       addi    1,1,32
+       blr
+
+       /* Handle copies of 0~31 bytes.  */
+       .align  4
+L(copy_LT_32):
+       cmplwi  cr6,5,8
+       mr      12,4
+       mtcrf   0x01,5
+       ble     cr6,L(copy_LE_8)
+
+       /* At least 9 bytes to go.  */
+       neg     8,4
+       clrrwi  11,4,2
+       andi.   0,8,3
+       cmplwi  cr1,5,16
+       mr      10,5
+       beq     L(copy_LT_32_aligned)
+
+       /* Force 4-bytes alignment for SRC.  */
+       mtocrf  0x01,0
+       subf    10,0,5
+2:     bf      30,1f
+
+       lhz     6,0(12)
+       addi    12,12,2
+       sth     6,0(3)
+       addi    3,3,2
+1:     bf      31,L(end_4bytes_alignment)
+
+       lbz     6,0(12)
+       addi    12,12,1
+       stb     6,0(3)
+       addi    3,3,1
+
+       .align  4
+L(end_4bytes_alignment):
+       cmplwi  cr1,10,16
+       mtcrf   0x01,10
+
+L(copy_LT_32_aligned):
+       /* At least 6 bytes to go, and SRC is word-aligned.  */
+       blt     cr1,8f
+
+       /* Copy 16 bytes.  */
+       lwz     6,0(12)
+       lwz     7,4(12)
+       stw     6,0(3)
+       lwz     8,8(12)
+       stw     7,4(3)
+       lwz     6,12(12)
+       addi    12,12,16
+       stw     8,8(3)
+       stw     6,12(3)
+       addi    3,3,16
+8:     /* Copy 8 bytes.  */
+       bf      28,4f
+
+       lwz     6,0(12)
+       lwz     7,4(12)
+       addi    12,12,8
+       stw     6,0(3)
+       stw     7,4(3)
+       addi    3,3,8
+4:     /* Copy 4 bytes.  */
+       bf      29,2f
+
+       lwz     6,0(12)
+       addi    12,12,4
+       stw     6,0(3)
+       addi    3,3,4
+2:     /* Copy 2-3 bytes.  */
+       bf      30,1f
+
+       lhz     6,0(12)
+       sth     6,0(3)
+       bf      31,0f
+       lbz     7,2(12)
+       stb     7,2(3)
+
+       /* Return original DST pointer.  */
+       mr      3,30
+       lwz     30,20(1)
+       addi    1,1,32
+       blr
+
+       .align  4
+1:     /* Copy 1 byte.  */
+       bf      31,0f
+
+       lbz     6,0(12)
+       stb     6,0(3)
+0:     /* Return original DST pointer.  */
+       mr      3,30
+       lwz     30,20(1)
+       addi    1,1,32
+       blr
+
+       /* Handles copies of 0~8 bytes.  */
+       .align  4
+L(copy_LE_8):
+       bne     cr6,4f
+
+       /* Though we could've used lfd/stfd here, they are still
+       slow for unaligned cases.  */
+
+       lwz     6,0(4)
+       lwz     7,4(4)
+       stw     6,0(3)
+       stw     7,4(3)
+
+       /* Return original DST pointer.  */
+       mr      3,30
+       lwz     30,20(1)
+       addi    1,1,32
+       blr
+
+       .align  4
+4:     /* Copies 4~7 bytes.  */
+       bf      29,2b
+
+       lwz     6,0(4)
+       stw     6,0(3)
+       bf      30,5f
+       lhz     7,4(4)
+       sth     7,4(3)
+       bf      31,0f
+       lbz     8,6(4)
+       stb     8,6(3)
+
+       /* Return original DST pointer.  */
+       mr      3,30
+       lwz     30,20(1)
+       addi    1,1,32
+       blr
+
+       .align  4
+5:     /* Copy 1 byte.  */
+       bf      31,0f
+
+       lbz     6,4(4)
+       stb     6,4(3)
+
+0:     /* Return original DST pointer.  */
+       mr      3,30
+       lwz     30,20(1)
+       addi    1,1,32
+       blr
+
+       /* Handle copies of 32+ bytes where DST is aligned (to quadword) but
+       SRC is not. Use aligned quadword loads from SRC, shifted to realign
+       the data, allowing for aligned DST stores.  */
+       .align  4
+L(copy_GE_32_unaligned):
+       andi.   11,3,15       /* Check alignment of DST.  */
+       clrlwi  0,0,28        /* Number of bytes until the 1st
+                             quadword of DST.  */
+       srwi    9,5,4         /* Number of full quadwords remaining.  */
+
+       beq    L(copy_GE_32_unaligned_cont)
+
+       /* SRC is not quadword aligned, get it aligned.  */
+
+       mtcrf   0x01,0
+       subf    31,0,5
+
+       /* Vector instructions work best when proper alignment (16-bytes)
+       is present.  Move 0~15 bytes as needed to get DST quadword-aligned.  */
+1:     /* Copy 1 byte.  */
+       bf      31,2f
+
+       lbz     6,0(12)
+       addi    12,12,1
+       stb     6,0(3)
+       addi    3,3,1
+2:     /* Copy 2 bytes.  */
+       bf          30,4f
+
+       lhz     6,0(12)
+       addi    12,12,2
+       sth     6,0(3)
+       addi    3,3,2
+4:     /* Copy 4 bytes.  */
+       bf      29,8f
+
+       lwz     6,0(12)
+       addi    12,12,4
+       stw     6,0(3)
+       addi    3,3,4
+8:     /* Copy 8 bytes.  */
+       bf      28,0f
+
+       lfd     6,0(12)
+       addi    12,12,8
+       stfd    6,0(3)
+       addi    3,3,8
+0:
+       clrlwi  10,12,28      /* Check alignment of SRC.  */
+       srdi    9,31,4        /* Number of full quadwords remaining.  */
+
+       /* The proper alignment is present, it is OK to copy the bytes now.  */
+L(copy_GE_32_unaligned_cont):
+
+       /* Setup two indexes to speed up the indexed vector operations.  */
+       clrlwi  11,31,28
+       li      6,16          /* Index for 16-bytes offsets.  */
+       li      7,32          /* Index for 32-bytes offsets.  */
+       cmplwi  cr1,11,0
+       srdi    8,31,5        /* Setup the loop counter.  */
+       mr      10,3
+       mr      11,12
+       mtcrf   0x01,9
+       cmplwi  cr6,9,1
+       lvsl    5,0,12
+       lvx     3,0,12
+       bf      31,L(setup_unaligned_loop)
+
+       /* Copy another 16 bytes to align to 32-bytes due to the loop .  */
+       lvx     4,12,6
+       vperm   6,3,4,5
+       addi    11,12,16
+       addi    10,3,16
+       stvx    6,0,3
+       vor     3,4,4
+
+L(setup_unaligned_loop):
+       mtctr   8
+       ble     cr6,L(end_unaligned_loop)
+
+       /* Copy 32 bytes at a time using vector instructions.  */
+       .align  4
+L(unaligned_loop):
+
+       /* Note: vr6/vr10 may contain data that was already copied,
+       but in order to get proper alignment, we may have to copy
+       some portions again. This is faster than having unaligned
+       vector instructions though.  */
+
+       lvx     4,11,6        /* vr4 = r11+16.  */
+       vperm   6,3,4,5       /* Merge the correctly-aligned portions
+                             of vr3/vr4 into vr6.  */
+       lvx     3,11,7        /* vr3 = r11+32.  */
+       vperm   10,4,3,5      /* Merge the correctly-aligned portions
+                             of vr3/vr4 into vr10.  */
+       addi    11,11,32
+       stvx    6,0,10
+       stvx    10,10,6
+       addi    10,10,32
+
+       bdnz    L(unaligned_loop)
+
+       .align  4
+L(end_unaligned_loop):
+
+       /* Check for tail bytes.  */
+       clrrwi  0,31,4
+       mtcrf   0x01,31
+       beq     cr1,0f
+
+       add     3,3,0
+       add     12,12,0
+
+       /*  We have 1~15 tail bytes to copy, and DST is quadword aligned.  */
+8:     /* Copy 8 bytes.  */
+       bf      28,4f
+
+       lwz     6,0(12)
+       lwz     7,4(12)
+       addi    12,12,8
+       stw     6,0(3)
+       stw     7,4(3)
+       addi    3,3,8
+4:     /* Copy 4 bytes.  */
+       bf      29,2f
+
+       lwz     6,0(12)
+       addi    12,12,4
+       stw     6,0(3)
+       addi    3,3,4
+2:     /* Copy 2~3 bytes.  */
+       bf      30,1f
+
+       lhz     6,0(12)
+       addi    12,12,2
+       sth     6,0(3)
+       addi    3,3,2
+1:     /* Copy 1 byte.  */
+       bf      31,0f
+
+       lbz     6,0(12)
+       stb     6,0(3)
+0:     /* Return original DST pointer.  */
+       mr      3,30
+       lwz     30,20(1)
+       lwz     31,24(1)
+       addi    1,1,32
+       blr
+
+END (BP_SYM (memcpy))
+libc_hidden_builtin_def (memcpy)
diff --git a/sysdeps/powerpc/powerpc64/power7/memcpy.S b/sysdeps/powerpc/powerpc64/power7/memcpy.S
new file mode 100644 (file)
index 0000000..a2a1f82
--- /dev/null
@@ -0,0 +1,449 @@
+/* Optimized memcpy implementation for PowerPC64/POWER7.
+   Copyright (C) 2010 Free Software Foundation, Inc.
+   Contributed by Luis Machado <luisgpm@br.ibm.com>.
+   This file is part of the GNU C Library.
+
+   The GNU C Library is free software; you can redistribute it and/or
+   modify it under the terms of the GNU Lesser General Public
+   License as published by the Free Software Foundation; either
+   version 2.1 of the License, or (at your option) any later version.
+
+   The GNU C Library is distributed in the hope that it will be useful,
+   but WITHOUT ANY WARRANTY; without even the implied warranty of
+   MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the GNU
+   Lesser General Public License for more details.
+
+   You should have received a copy of the GNU Lesser General Public
+   License along with the GNU C Library; if not, write to the Free
+   Software Foundation, Inc., 51 Franklin Street, Fifth Floor, Boston MA
+   02110-1301 USA.  */
+
+#include <sysdep.h>
+#include <bp-sym.h>
+#include <bp-asm.h>
+
+
+/* __ptr_t [r3] memcpy (__ptr_t dst [r3], __ptr_t src [r4], size_t len [r5]);
+   Returns 'dst'.  */
+
+       .machine power7
+EALIGN (BP_SYM (memcpy), 5, 0)
+       CALL_MCOUNT 3
+
+       cmpldi  cr1,5,31
+       neg     0,3
+       std     3,-16(1)
+       std     31,-8(1)
+       cfi_offset(31,-8)
+       ble     cr1, L(copy_LT_32)  /* If move < 32 bytes use short move
+                                   code.  */
+
+       andi.   11,3,7        /* Check alignment of DST.  */
+
+
+       clrldi  10,4,61       /* Check alignment of SRC.  */
+       cmpld   cr6,10,11     /* SRC and DST alignments match?  */
+       mr      12,4
+       mr      31,5
+       bne     cr6,L(copy_GE_32_unaligned)
+
+       srdi    9,5,3         /* Number of full quadwords remaining.  */
+
+       beq    L(copy_GE_32_aligned_cont)
+
+       clrldi  0,0,61
+       mtcrf   0x01,0
+       subf    31,0,5
+
+       /* Get the SRC aligned to 8 bytes.  */
+
+1:     bf      31,2f
+       lbz     6,0(12)
+       addi    12,12,1
+       stb     6,0(3)
+       addi    3,3,1
+2:     bf      30,4f
+       lhz     6,0(12)
+       addi    12,12,2
+       sth     6,0(3)
+       addi    3,3,2
+4:     bf      29,0f
+       lwz     6,0(12)
+       addi    12,12,4
+       stw     6,0(3)
+       addi    3,3,4
+0:
+       clrldi  10,12,61      /* Check alignment of SRC again.  */
+       srdi    9,31,3        /* Number of full doublewords remaining.  */
+
+L(copy_GE_32_aligned_cont):
+
+       clrldi  11,31,61
+       mtcrf   0x01,9
+
+       srdi    8,31,5
+       cmpldi  cr1,9,4
+       cmpldi  cr6,11,0
+       mr      11,12
+
+       /* Copy 1~3 doublewords so the main loop starts
+       at a multiple of 32 bytes.  */
+
+       bf      30,1f
+       ld      6,0(12)
+       ld      7,8(12)
+       addi    11,12,16
+       mtctr   8
+       std     6,0(3)
+       std     7,8(3)
+       addi    10,3,16
+       bf      31,4f
+       ld      0,16(12)
+       std     0,16(3)
+       blt     cr1,3f
+       addi    11,12,24
+       addi    10,3,24
+       b       4f
+
+       .align  4
+1:     /* Copy 1 doubleword and set the counter.  */
+       mr      10,3
+       mtctr   8
+       bf      31,4f
+       ld      6,0(12)
+       addi    11,12,8
+       std     6,0(3)
+       addi    10,3,8
+
+       /* Main aligned copy loop. Copies 32-bytes at a time.  */
+       .align  4
+4:
+       ld      6,0(11)
+       ld      7,8(11)
+       ld      8,16(11)
+       ld      0,24(11)
+       addi    11,11,32
+
+       std     6,0(10)
+       std     7,8(10)
+       std     8,16(10)
+       std     0,24(10)
+       addi    10,10,32
+       bdnz    4b
+3:
+
+       /* Check for tail bytes.  */
+       rldicr  0,31,0,60
+       mtcrf   0x01,31
+       beq     cr6,0f
+
+.L9:
+       add     3,3,0
+       add     12,12,0
+
+       /*  At this point we have a tail of 0-7 bytes and we know that the
+       destination is doubleword-aligned.  */
+4:     /* Copy 4 bytes.  */
+       bf      29,2f
+
+       lwz     6,0(12)
+       addi    12,12,4
+       stw     6,0(3)
+       addi    3,3,4
+2:     /* Copy 2 bytes.  */
+       bf      30,1f
+
+       lhz     6,0(12)
+       addi    12,12,2
+       sth     6,0(3)
+       addi    3,3,2
+1:     /* Copy 1 byte.  */
+       bf      31,0f
+
+       lbz     6,0(12)
+       stb     6,0(3)
+0:     /* Return original DST pointer.  */
+       ld      31,-8(1)
+       ld      3,-16(1)
+       blr
+
+       /* Handle copies of 0~31 bytes.  */
+       .align  4
+L(copy_LT_32):
+       cmpldi  cr6,5,8
+       mr      12,4
+       mtcrf   0x01,5
+       ble     cr6,L(copy_LE_8)
+
+       /* At least 9 bytes to go.  */
+       neg     8,4
+       clrrdi  11,4,2
+       andi.   0,8,3
+       cmpldi  cr1,5,16
+       mr      10,5
+       beq     L(copy_LT_32_aligned)
+
+       /* Force 4-bytes alignment for SRC.  */
+       mtocrf  0x01,0
+       subf    10,0,5
+2:     bf      30,1f
+
+       lhz     6,0(12)
+       addi    12,12,2
+       sth     6,0(3)
+       addi    3,3,2
+1:     bf      31,L(end_4bytes_alignment)
+
+       lbz     6,0(12)
+       addi    12,12,1
+       stb     6,0(3)
+       addi    3,3,1
+
+       .align  4
+L(end_4bytes_alignment):
+       cmpldi  cr1,10,16
+       mtcrf   0x01,10
+
+L(copy_LT_32_aligned):
+       /* At least 6 bytes to go, and SRC is word-aligned.  */
+       blt     cr1,8f
+
+       /* Copy 16 bytes.  */
+       lwz     6,0(12)
+       lwz     7,4(12)
+       stw     6,0(3)
+       lwz     8,8(12)
+       stw     7,4(3)
+       lwz     6,12(12)
+       addi    12,12,16
+       stw     8,8(3)
+       stw     6,12(3)
+       addi    3,3,16
+8:     /* Copy 8 bytes.  */
+       bf      28,4f
+
+       lwz     6,0(12)
+       lwz     7,4(12)
+       addi    12,12,8
+       stw     6,0(3)
+       stw     7,4(3)
+       addi    3,3,8
+4:     /* Copy 4 bytes.  */
+       bf      29,2f
+
+       lwz     6,0(12)
+       addi    12,12,4
+       stw     6,0(3)
+       addi    3,3,4
+2:     /* Copy 2-3 bytes.  */
+       bf      30,1f
+
+       lhz     6,0(12)
+       sth     6,0(3)
+       bf      31,0f
+       lbz     7,2(12)
+       stb     7,2(3)
+       ld      3,-16(1)
+       blr
+
+       .align  4
+1:     /* Copy 1 byte.  */
+       bf      31,0f
+
+       lbz     6,0(12)
+       stb     6,0(3)
+0:     /* Return original DST pointer.  */
+       ld      3,-16(1)
+       blr
+
+       /* Handles copies of 0~8 bytes.  */
+       .align  4
+L(copy_LE_8):
+       bne     cr6,4f
+
+       /* Though we could've used ld/std here, they are still
+       slow for unaligned cases.  */
+
+       lwz     6,0(4)
+       lwz     7,4(4)
+       stw     6,0(3)
+       stw     7,4(3)
+       ld      3,-16(1)      /* Return original DST pointers.  */
+       blr
+
+       .align  4
+4:     /* Copies 4~7 bytes.  */
+       bf      29,2b
+
+       lwz     6,0(4)
+       stw     6,0(3)
+       bf      30,5f
+       lhz     7,4(4)
+       sth     7,4(3)
+       bf      31,0f
+       lbz     8,6(4)
+       stb     8,6(3)
+       ld      3,-16(1)
+       blr
+
+       .align  4
+5:     /* Copy 1 byte.  */
+       bf      31,0f
+
+       lbz     6,4(4)
+       stb     6,4(3)
+
+0:     /* Return original DST pointer.  */
+       ld      3,-16(1)
+       blr
+
+       /* Handle copies of 32+ bytes where DST is aligned (to quadword) but
+       SRC is not.  Use aligned quadword loads from SRC, shifted to realign
+       the data, allowing for aligned DST stores.  */
+       .align  4
+L(copy_GE_32_unaligned):
+       clrldi  0,0,60        /* Number of bytes until the 1st
+                             quadword.  */
+       andi.   11,3,15       /* Check alignment of DST (against
+                             quadwords).  */
+       srdi    9,5,4         /* Number of full quadwords remaining.  */
+
+       beq     L(copy_GE_32_unaligned_cont)
+
+       /* SRC is not quadword aligned, get it aligned.  */
+
+       mtcrf   0x01,0
+       subf    31,0,5
+
+       /* Vector instructions work best when proper alignment (16-bytes)
+       is present.  Move 0~15 bytes as needed to get DST quadword-aligned.  */
+1:     /* Copy 1 byte.  */
+       bf      31,2f
+
+       lbz     6,0(12)
+       addi    12,12,1
+       stb     6,0(3)
+       addi    3,3,1
+2:     /* Copy 2 bytes.  */
+       bf      30,4f
+
+       lhz     6,0(12)
+       addi    12,12,2
+       sth     6,0(3)
+       addi    3,3,2
+4:     /* Copy 4 bytes.  */
+       bf      29,8f
+
+       lwz     6,0(12)
+       addi    12,12,4
+       stw     6,0(3)
+       addi    3,3,4
+8:     /* Copy 8 bytes.  */
+       bf      28,0f
+
+       ld      6,0(12)
+       addi    12,12,8
+       std     6,0(3)
+       addi    3,3,8
+0:
+       clrldi  10,12,60      /* Check alignment of SRC.  */
+       srdi    9,31,4        /* Number of full quadwords remaining.  */
+
+       /* The proper alignment is present, it is OK to copy the bytes now.  */
+L(copy_GE_32_unaligned_cont):
+
+       /* Setup two indexes to speed up the indexed vector operations.  */
+       clrldi  11,31,60
+       li      6,16          /* Index for 16-bytes offsets.  */
+       li      7,32          /* Index for 32-bytes offsets.  */
+       cmpldi  cr1,11,0
+       srdi    8,31,5        /* Setup the loop counter.  */
+       mr      10,3
+       mr      11,12
+       mtcrf   0x01,9
+       cmpldi  cr6,9,1
+       lvsl    5,0,12
+       lvx     3,0,12
+       bf      31,L(setup_unaligned_loop)
+
+       /* Copy another 16 bytes to align to 32-bytes due to the loop .  */
+       lvx     4,12,6
+       vperm   6,3,4,5
+       addi    11,12,16
+       addi    10,3,16
+       stvx    6,0,3
+       vor     3,4,4
+
+L(setup_unaligned_loop):
+       mtctr   8
+       ble     cr6,L(end_unaligned_loop)
+
+       /* Copy 32 bytes at a time using vector instructions.  */
+       .align  4
+L(unaligned_loop):
+
+       /* Note: vr6/vr10 may contain data that was already copied,
+       but in order to get proper alignment, we may have to copy
+       some portions again. This is faster than having unaligned
+       vector instructions though.  */
+
+       lvx     4,11,6        /* vr4 = r11+16.  */
+       vperm   6,3,4,5       /* Merge the correctly-aligned portions
+                             of vr3/vr4 into vr6.  */
+       lvx     3,11,7        /* vr3 = r11+32.  */
+       vperm   10,4,3,5      /* Merge the correctly-aligned portions
+                             of vr3/vr4 into vr10.  */
+       addi    11,11,32
+       stvx    6,0,10
+       stvx    10,10,6
+       addi    10,10,32
+
+       bdnz    L(unaligned_loop)
+
+       .align  4
+L(end_unaligned_loop):
+
+       /* Check for tail bytes.  */
+       rldicr  0,31,0,59
+       mtcrf   0x01,31
+       beq     cr1,0f
+
+       add     3,3,0
+       add     12,12,0
+
+       /*  We have 1~15 tail bytes to copy, and DST is quadword aligned.  */
+8:     /* Copy 8 bytes.  */
+       bf      28,4f
+
+       lwz     6,0(12)
+       lwz     7,4(12)
+       addi    12,12,8
+       stw     6,0(3)
+       stw     7,4(3)
+       addi    3,3,8
+4:     /* Copy 4 bytes.  */
+       bf      29,2f
+
+       lwz     6,0(12)
+       addi    12,12,4
+       stw     6,0(3)
+       addi    3,3,4
+2:     /* Copy 2~3 bytes.  */
+       bf      30,1f
+
+       lhz     6,0(12)
+       addi    12,12,2
+       sth     6,0(3)
+       addi    3,3,2
+1:     /* Copy 1 byte.  */
+       bf      31,0f
+
+       lbz     6,0(12)
+       stb     6,0(3)
+0:     /* Return original DST pointer.  */
+       ld      31,-8(1)
+       ld      3,-16(1)
+       blr
+
+END_GEN_TB (BP_SYM (memcpy),TB_TOCLESS)
+libc_hidden_builtin_def (memcpy)
This page took 0.075707 seconds and 5 git commands to generate.