Apache Beam 是一个用于大规模数据处理的开源框架，它可以处理实时流数据和批处理数据。Apache Beam 中的处理时间是基于事件时间（event time）的，可以通过设置窗口来控制延迟数据的处理。

下面是一个示例代码，展示了如何使用 Apache Beam 处理延迟数据：

import apache_beam as beam
from apache_beam.options.pipeline_options import PipelineOptions

class ProcessElement(beam.DoFn):
    def process(self, element):
        # 处理数据的逻辑
        # ...

options = PipelineOptions(["--runner=DirectRunner"])  # 使用 DirectRunner 运行 Apache Beam
p = beam.Pipeline(options=options)

data = p | beam.io.ReadFromPubSub(topic="input_topic")
processed_data = data | beam.ParDo(ProcessElement())

# 窗口设置为 10 分钟，允许延迟 5 分钟的数据
windowed_data = processed_data | beam.WindowInto(beam.window.FixedWindows(600),
                                                 allowed_lateness=300)

windowed_data | beam.io.WriteToPubSub(topic="output_topic")

p.run().wait_until_finish()

在上述代码中，首先创建了一个 ProcessElement 类，该类继承自 beam.DoFn，并实现了 process 方法，用于处理每个输入元素。然后，创建了一个 PipelineOptions 对象用于配置运行 Apache Beam 的选项。接下来，创建了一个 Pipeline 对象，并使用 ReadFromPubSub 读取输入数据。然后，使用 ParDo 应用 ProcessElement 类的逻辑处理数据。最后，使用 WindowInto 设置窗口大小为 10 分钟，并允许最多延迟 5 分钟的数据。最后，将处理后的数据写入 output_topic。

通过设置窗口和允许的延迟时间，Apache Beam 可以处理延迟数据，并确保数据能够按时处理。