このRC5-64のクライアントには各CPUに最適化されたコアが実装されており、CPUによってキーレートが異なります。 (キーレートの統計は、こちらに信頼性の高いデータが集まっています。) 私のMMX Pentium 200MHzのノートPCのキーレートが、約400kkeys/sです。 (MMXに最適化されていないコアに切り替えると、約280kkeys/sまで落ちます。) 一方、その10倍のクロックであるPentium 4 2GHzのキーレートは約2,800kkeys/sなので、Pentium 4のクロックあたりの処理能力はMMX Pentium以下ということになります。 (Pentiumとほぼ同等という言い方もできます。) 無論、Pentium IIを初めとするP6系CPUやAthlon,PowerPCなどよりも遅いのは言うまでもありません。 もっとPentium 4に最適な実装ができないかと、あれこれ考えてみました。
Pentium 4に実装されているSSE2命令には、MMXにそっくりの整数命令セットがあります。MMXと異なる点は、128ビットのXMMレジスタを使う点です。 他にも、64ビット整数の加減算ができることや、128ビット単位のシフトができるなどのMMXには無い特長を持っています。このSSE2命令を RC5のアルゴリズムに適用することはできないでしょうか。
RC5-64のコア部分のソースコード(nasm)を見てみると、主に次のような命令が使われています。
・32ビット整数加算(add eax, ebx) [leaを使っているところもある]
この部分に関しては、SSE2の本領を発揮できます。次の1命令で32ビットの整数4個を一度に加算できます。
paddd xmm0, xmm1・3ビット左ローテート(rol eax, 3)
movdqa xmm1, xmm0 ;コピー psrld xmm0, 29 ;右に29ビットシフト(32ビット単位) pslld xmm1, 3 ;左に3ビットシフト(32ビット単位) por xmm0, xmm1 ;全体にor・nビット左ローテート(rol eax, n)
xmm1 = (??,??,??,r1)次に、ローテートさせたい値をレジスタの上位または下位の64ビットに二つ並べます。
xmm0 = (??,??,A1,A1)最後に、64ビット単位で最初に求めた値だけ右シフトすると結果が得られます。
psllq xmm0, xmm1 ;xmm0 = (??,??,??,ROL_A1)これを4回繰り返すことになります。かなりのクロックをロスすることが予想されます。
・排他的論理和(xor eax, ebx)
この部分も、1命令で128ビットの排他的論理和を一度に計算できます。
pxor xmm0, xmm1
もっと良い方法がありましたらこちらまで：matsui@katto.comm.waseda.ac.jp
Last update:11/09/2001