当Apache Beam流水线在本地运行正常，但在Dataflow上无法运行时，可能有几个原因导致这种情况发生。下面是一些可能的解决方法：

1. 检查Dataflow运行环境：确保Dataflow运行环境与本地环境相同。比如，检查Dataflow是否具有足够的资源和权限来访问所需的REST API。

2. 检查网络连接：Dataflow可能无法访问REST API，可能是由于网络连接问题。确保Dataflow可以与REST API建立连接并进行通信。

3. 检查依赖项和版本：在本地运行时，Apache Beam流水线可能依赖于一些本地库或版本。在Dataflow上运行时，确保所有依赖项和版本与本地环境一致。

下面是一个示例代码，展示了如何从REST API读取数据并在Apache Beam流水线中进行处理：

import apache_beam as beam
import requests

def process_data(data):
    # 处理数据的逻辑
    ...

def read_from_rest_api():
    response = requests.get('http://example.com/api/data')
    data = response.json()
    return data

def run_pipeline():
    with beam.Pipeline() as pipeline:
        data = pipeline | 'Read from REST API' >> beam.Create(read_from_rest_api())
        processed_data = data | 'Process Data' >> beam.Map(process_data)
        ...
        # 继续进行其他数据处理步骤

if __name__ == '__main__':
    run_pipeline()

确保在Dataflow上运行时，检查以上提到的解决方法并进行必要的调整。同时，可以查看Dataflow的日志和错误消息，以获取更多关于无法运行流水线的具体原因的信息。