要解决Apache Beam在使用200万行文件作为侧输入时无法将数据写入BigQuery的问题，可以尝试以下方法：

1. 增加内存和磁盘资源：使用较大的机器类型或增加更多的机器来提供足够的内存和磁盘资源来处理大型文件。可以通过增加--num_workers参数来增加工作节点的数量。

2. 分批处理数据：可以将大文件分成较小的批次进行处理，以减少内存使用。可以使用beam.io.ReadFromText来读取文件，并使用beam.combiners.ToList()将数据分组为较小的批次。

import apache_beam as beam

def process_input(element):
    # 处理数据的逻辑
    return element

def write_to_bigquery(elements):
    # 将数据写入BigQuery的逻辑
    return

with beam.Pipeline() as pipeline:
    # 读取大文件的数据
    input_data = (
        pipeline
        | 'Read Input' >> beam.io.ReadFromText('/path/to/input/file.txt')
        | 'Split into Batches' >> beam.combiners.ToList()
    )
    
    # 处理每个批次的数据
    processed_data = (
        input_data
        | 'Process Data' >> beam.Map(process_input)
    )
    
    # 将数据写入BigQuery
    processed_data | 'Write to BigQuery' >> beam.Map(write_to_bigquery)

请注意，这种方法可能会降低处理速度，因为数据需要分批处理。可以根据资源和性能需求调整批次大小。

3. 使用分布式文件系统：如果文件过大，无法在单个节点的内存和磁盘上处理，可以考虑使用分布式文件系统（如HDFS或Google Cloud Storage）来存储和处理文件。可以使用beam.io.ReadFromText从分布式文件系统中读取数据，然后按照上面的方法进行处理和写入BigQuery。

这些方法中的任何一种都可能解决Apache Beam无法将数据写入BigQuery的问题。根据实际情况选择适合的方法，并根据需要进行调整和优化。