Apache Beam是一个用于大规模数据处理的开源框架，它支持批处理和流处理。虽然Apache Beam最初设计用于支持批处理，但它也支持流处理，并提供了一些用于处理无界数据集的功能。

在Apache Beam中，ParDo是一种用于处理数据的函数。它可以应用于数据集中的每个元素，并产生零个或多个输出元素。ParDo函数可以是无状态的（不依赖于之前的数据）或有状态的（依赖于之前的数据）。有状态的ParDo函数通常用于实现聚合操作，例如计数、求和等。

下面是一个使用无状态的ParDo函数的示例代码：

import org.apache.beam.sdk.Pipeline;
import org.apache.beam.sdk.io.TextIO;
import org.apache.beam.sdk.transforms.DoFn;
import org.apache.beam.sdk.transforms.ParDo;

public class StatelessParDoExample {
  public static void main(String[] args) {
    Pipeline pipeline = Pipeline.create();

    pipeline
        .apply(TextIO.read().from("input.txt"))
        .apply(ParDo.of(new MyDoFn()))
        .apply(TextIO.write().to("output.txt"));

    pipeline.run();
  }

  public static class MyDoFn extends DoFn {
    @ProcessElement
    public void processElement(ProcessContext c) {
      String input = c.element();
      // 在这里进行数据处理，可以使用任意的算法和逻辑
      String output = input.toUpperCase();
      c.output(output);
    }
  }
}

上述示例代码从名为"input.txt"的文件中读取数据，然后将每个元素转换为大写，并将结果写入到名为"output.txt"的文件中。该示例中的ParDo函数是无状态的，因为它不依赖于之前的数据。

如果您需要使用有状态的ParDo函数来处理无界数据集，可以使用Apache Beam的窗口和状态API。窗口API用于将无界数据集划分为有限的窗口，而状态API用于在窗口之间维护和共享状态。

希望这个例子能够帮助您理解如何使用Apache Beam中的ParDo函数来处理无状态数据。如果您需要更多的示例或更详细的解释，请告诉我。