对数百万个大型二元向量进行聚类？

我想生成数百万个大型二进制向量（10_000 ... 100_000 位）。然后我想通过 OVERLAP (AND) 将它们聚类。之后我想根据聚类对向量重新排序并保存以备后用。

Scipy 有一种聚类方法，但可能不适用于如此大的数据集。 Numpy 不起作用，因为我会内存不足。 Vaex 可能会工作，但我必须自己编写聚类算法，它将使用 Python 编写，因此它会很慢且只读/只读。另外我不确定在生成数据时使用什么格式：csv,hdf5 ??

任何可能的解决方案？任何其他工具或技术？

如果可能的话，在我生成它们时也可以选择将它们聚类？我必须做一些聪明的索引技术！！！