DirectPipelineRunner を使用して Dataflow ソースから読み取ったり、Dataflow シンクに書き込んだりする場合、gcloud 実行ファイルで設定した Cloud Platform アカウントは対応するソースにアクセスする必要があります。
/シンク
参考: https://cloud.google.com/dataflow/java-sdk/JavaDoc/com/google/cloud/dataflow/sdk/runners
/ダイレクトパイプラインランナー

Cloud Storage バケット内の重要な訴訟ホールド文書が削除または変更されないようにするための最も効果的な方法は、保持ポリシーを設定してロックすることです。これが最適な選択である理由は次のとおりです。
保持ポリシー:
保持ポリシーは、バケット内のオブジェクトを削除または変更できない保持期間を定義します。これにより、データの不変性が確保されます。
保持ポリシーを設定してロックすると、削除したり削減したりすることができなくなり、偶発的または悪意のある削除に対する強力な保護が提供されます。
保持ポリシーのロック:
保持ポリシーをロックすると、保持期間を変更できなくなります。このアクションは永続的であり、指定された保持期間が確実に適用されるようになります。
実装手順:
保持ポリシーを設定します。
すべてのオブジェクトが必要な期間保護されるように、バケットの保持期間を定義します。
保持ポリシーをロックする:
保持ポリシーをロックして変更を防ぎ、ドキュメントの不変性を保証します。
参照：
クラウドストレージ保持ポリシードキュメント
保持ポリシーを設定する方法

Beam はデータを収集してウィンドウにグループ化する際に、トリガーを使用して各ウィンドウの集計結果をいつ発行するかを決定します。
処理時間トリガー。これらのトリガーは、パイプラインの任意のステージでデータ要素が処理された時間、つまり処理時間に基づいて動作します。イベント時間トリガー。これらのトリガーは、各データ要素のタイムスタンプで示されるイベント時間に基づいて動作します。Beam のデフォルトのトリガーはイベント時間ベースです。
参考: https://beam.apache.org/documentation/programming-guide/#triggers

https://medium.com/mlreview/a-simple-deep-learning-model-for-stock-price-prediction-using-tensorflow-30505541d877