要通过BigQueryIO.writeTableRows以非常高的延迟向BigQuery写入数据，可以使用以下代码示例：

import org.apache.beam.sdk.Pipeline;
import org.apache.beam.sdk.io.gcp.bigquery.BigQueryIO;
import org.apache.beam.sdk.io.gcp.bigquery.BigQueryOptions;
import org.apache.beam.sdk.options.PipelineOptions;
import org.apache.beam.sdk.options.PipelineOptionsFactory;
import org.apache.beam.sdk.transforms.Create;
import org.apache.beam.sdk.values.PCollection;
import org.apache.beam.sdk.values.Row;
import org.apache.beam.sdk.values.RowType;

public class WriteToBigQueryWithHighLatency {
  public static void main(String[] args) {
    // 创建 PipelineOptions 对象
    PipelineOptions options = PipelineOptionsFactory.create();

    // 创建 Pipeline 对象
    Pipeline pipeline = Pipeline.create(options);

    // 创建包含要写入 BigQuery 的数据的 PCollection
    PCollection rows = pipeline.apply(Create.empty(RowType
        .builder()
        .addInt32Field("id")
        .addStringField("name")
        .build()));

    // 设置 BigQuery 输出位置
    String outputTable = "project_id:dataset.table";
    
    // 配置 BigQueryIO.Write
    BigQueryIO.Write write =
        BigQueryIO.writeTableRows()
            .to(outputTable)
            .withMethod(BigQueryIO.Write.Method.STREAMING_INSERTS)
            .withTriggeringFrequency(org.joda.time.Duration.standardMinutes(1))
            .withNumShards(1);

    // 将 PCollection 写入 BigQuery
    rows.apply(write);

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

在代码示例中，我们首先创建了一个空的 PCollection，然后设置 BigQuery 输出位置。接下来，我们配置了 BigQueryIO.Write，使用 withMethod 方法设置写入方法为 STREAMING_INSERTS，并使用 withTriggeringFrequency 方法设置延迟为 1 分钟。最后，我们将 PCollection 应用到 BigQueryIO.Write 上，并运行 Pipeline。

这样配置后，数据将以非常高的延迟写入 BigQuery。可以根据需要调整 withTriggeringFrequency 方法的参数来控制延迟的时间间隔。