在Beam中，可以使用窗口操作符（Windowing Operators）和计数操作符（Count Operators）来实现根据窗口边界将每个窗口元素计数的写入操作。

以下是一个示例代码，展示了如何使用Beam进行窗口计数的写入操作：

import apache_beam as beam
from apache_beam.transforms.window import FixedWindows

# 创建一个伪造的数据集
data = [
    {'name': 'Alice', 'score': 85},
    {'name': 'Bob', 'score': 92},
    {'name': 'Charlie', 'score': 78},
    {'name': 'Alice', 'score': 95},
    {'name': 'Bob', 'score': 88},
]

# 定义一个计数函数
def count_elements(elements):
    counts = {}
    for element in elements:
        name = element['name']
        score = element['score']
        if name in counts:
            counts[name] += 1
        else:
            counts[name] = 1
    return counts

# 创建一个Pipeline对象
with beam.Pipeline() as pipeline:
    # 从伪造的数据集创建一个PCollection对象
    pcoll = pipeline | beam.Create(data)
    
    # 将PCollection根据name字段进行分组
    grouped_pcoll = pcoll | beam.GroupByKey()
    
    # 设置固定窗口为2秒
    windowed_pcoll = grouped_pcoll | beam.WindowInto(FixedWindows(2))
    
    # 对每个窗口中的元素进行计数
    counted_pcoll = windowed_pcoll | beam.Map(lambda (name, elements): (name, count_elements(elements)))
    
    # 输出计数结果
    counted_pcoll | beam.Map(print)

在这个示例代码中，我们首先创建了一个伪造的数据集，其中包含了一些学生的姓名和分数。然后，我们使用beam.Create方法创建了一个PCollection对象，将数据集转化为Beam能够处理的数据流。接下来，我们使用beam.GroupByKey方法将PCollection根据姓名字段进行分组，将具有相同姓名的元素分到同一个组中。然后，我们使用beam.WindowInto方法将分组后的PCollection划分为固定窗口，每个窗口的长度为2秒。最后，我们使用beam.Map方法对每个窗口中的元素进行计数操作，并将计数结果进行输出。

在这个示例中，我们使用了固定窗口（FixedWindows），但是Beam还提供了其他类型的窗口，如滑动窗口（SlidingWindows）和会话窗口（SessionWindows），可以根据实际需求选择合适的窗口类型。同时，我们还可以使用其他的计数操作符，如beam.CombinePerKey和beam.combiners.CountCombineFn，来简化计数操作的实现。