以下是一个使用Apache Beam和Dataflow进行无分组的固定窗口的代码示例：

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

def run_pipeline():
    # 设置Dataflow的选项
    options = PipelineOptions(
        runner='DataflowRunner',
        project='your-project-id',
        temp_location='gs://your-bucket/tmp',
        staging_location='gs://your-bucket/staging',
        region='your-region'
    )

    # 创建Pipeline对象
    pipeline = beam.Pipeline(options=options)

    # 创建一个PCollection对象
    data = pipeline | 'CreateData' >> beam.Create([1, 2, 3, 4, 5])

    # 应用固定窗口
    windowed_data = data | 'FixedWindow' >> beam.WindowInto(beam.window.FixedWindows(10))

    # 处理每个窗口中的元素
    output = windowed_data | 'ProcessElements' >> beam.ParDo(ProcessElements())

    # 输出结果
    output | 'WriteOutput' >> beam.io.WriteToText('gs://your-bucket/output')

    # 运行Pipeline
    pipeline.run()

class ProcessElements(beam.DoFn):
    def process(self, element, window=beam.DoFn.WindowParam):
        yield 'Element: {}, Window: {}'.format(element, window)

if __name__ == '__main__':
    run_pipeline()

在上面的代码示例中，我们首先设置了Dataflow的选项，包括项目ID、临时位置、暂存位置和地区。然后，我们创建了一个Pipeline对象，并创建了一个PCollection对象，其中包含了一些数据。接下来，我们使用beam.WindowInto方法将数据应用到固定的窗口中，这里使用了beam.window.FixedWindows来定义窗口大小为10。然后，我们定义了一个ProcessElements的DoFn类来处理每个窗口中的元素，并输出结果。最后，我们将结果写入到一个文本文件中，并运行Pipeline。

请注意，你需要根据你自己的项目配置和需求修改代码中的选项、数据和输出路径。此外，你还需要安装Apache Beam和Dataflow的Python SDK，并通过Google Cloud Platform创建一个Dataflow作业来运行这个代码。