具有数据集分割的 K-Means 聚类算法

问：

我知道这不是算法的工作方式，但我的系统中有一些约束和限制，并试图了解它是否适用。

我的问题：
k-means聚类算法需要整个数据集（观测值）才能进行聚类。
我的问题是有没有办法使用 k-means 算法（或其他算法），但以“迭代”方式，每次显示数据集的另一部分（下一段）并保留以前运行的一些“计算”。

例如：
将数据集分成 N 个部分，并在第一部分上运行 k 次迭代的算法，得到结果并以某种方式以良好的方式存储结果，以便将来使用。
在所有部件上运行算法后，获取存储的结果并使用它（可能通过在其上重新运行算法）来给出最终结果。