Apache Beam 是一个用于分布式流处理的开源框架，提供了支持无限数据源的流处理引擎。对于这种无限流数据，常见的处理方式是使用窗口化技术将数据分批处理。其中有两种窗口化技术：基于时间的窗口和基于事件数量的窗口。

下面是一个使用基于时间的窗口的示例代码：

from apache_beam import Pipeline
from apache_beam.options.pipeline_options import PipelineOptions
from apache_beam.transforms.window import FixedWindows
from datetime import datetime, timedelta

options = PipelineOptions()

with Pipeline(options=options) as p:
    p | beam.io.ReadFromKafka(...)
    p | beam.WindowInto(FixedWindows(size=timedelta(minutes=1)))
    p | beam.ParDo(...) # 执行数据处理
    p | beam.io.WriteToKafka(...)

在上面的代码中，数据流从 Kafka 中读入后通过 beam.WindowInto() 函数分批处理。FixedWindows 是一个固定的时间窗口，这里设置为 1 分钟。如果想使用滑动窗口，可以使用 SlidingWindows。

使用基于事件数量的窗口和基于时间的窗口类似，只需将 FixedWindows 替换成 GlobalWindows、SlidingWindows 或 Sessions 即可。其中 GlobalWindows 表示将所有数据作为一个窗口处理，Sessions 表示通过数据的时间间隔来自动确定每个窗口大小。