以下是使用Apache Beam按键对所有窗口的PCollection >进行求和的示例代码：

import org.apache.beam.sdk.Pipeline;
import org.apache.beam.sdk.transforms.*;
import org.apache.beam.sdk.values.KV;
import org.apache.beam.sdk.values.PCollection;
import org.apache.beam.sdk.transforms.windowing.*;
import org.apache.beam.sdk.options.PipelineOptionsFactory;
import org.joda.time.Duration;

public class SumByKeyInAllWindows {

  public static void main(String[] args) {
    // 创建Pipeline
    Pipeline pipeline = Pipeline.create(PipelineOptionsFactory.fromArgs(args).create());

    // 创建输入数据集
    PCollection> input = pipeline
        .apply("Generate input", Create.of(
            KV.of("key1", 1),
            KV.of("key2", 2),
            KV.of("key1", 3),
            KV.of("key2", 4),
            KV.of("key2", 5)
        ));

    // 应用窗口
    PCollection> sumPerKey = input
        .apply("Apply fixed windows", Window.into(FixedWindows.of(Duration.standardMinutes(1))))
        .apply("Sum per key", Sum.perKey());

    // 输出结果
    sumPerKey.apply("Print results", ParDo.of(new DoFn, Void>() {
      @ProcessElement
      public void processElement(ProcessContext c) {
        System.out.println(c.element());
      }
    }));

    // 运行Pipeline
    pipeline.run().waitUntilFinish();
  }
}

在此示例中，我们首先创建一个输入PCollection >，其中键是String类型，值是整数类型。

然后，我们应用了一个Fixed Windows，将输入数据按1分钟的时间窗口进行分组。

接下来，我们使用Sum.perKey（）转换对每个键的值进行求和。

最后，我们将结果打印出来，通过ParDo转换应用一个DoFn来处理每个元素。

最后，我们运行Pipeline并等待其完成。