Apache Beam提供了KafkaIO库，可以用于消费Kafka消息并自定义存储偏移量。下面是使用Apache Beam从指定偏移量开始消费Kafka消息并自定义存储偏移量的代码示例：

import org.apache.beam.sdk.Pipeline;
import org.apache.beam.sdk.io.kafka.KafkaIO;
import org.apache.beam.sdk.options.PipelineOptions;
import org.apache.beam.sdk.options.PipelineOptionsFactory;
import org.apache.beam.sdk.transforms.DoFn;
import org.apache.beam.sdk.transforms.ParDo;
import org.apache.beam.sdk.values.KV;
import org.apache.kafka.common.serialization.StringDeserializer;

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

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

        // 创建KafkaIO.Read配置
        KafkaIO.Read kafkaReadConfig = KafkaIO.read()
                .withBootstrapServers("localhost:9092")
                .withTopic("my_topic")
                .withKeyDeserializer(StringDeserializer.class)
                .withValueDeserializer(StringDeserializer.class)
                .withConsumerConfigUpdates(ImmutableMap.of(
                        "auto.offset.reset", "none", // 禁止自动重置偏移量
                        "enable.auto.commit", false // 禁止自动提交偏移量
                ));

        // 从指定的偏移量开始消费消息
        kafkaReadConfig.withConsumerFactoryFn(consumerConfig -> {
            consumerConfig.setProperty("group.id", "my_consumer_group"); // 设置消费者组
            consumerConfig.setProperty("auto.offset.reset", "none"); // 禁止自动重置偏移量
            consumerConfig.setProperty("enable.auto.commit", "false"); // 禁止自动提交偏移量
            consumerConfig.setProperty("key.deserializer", StringDeserializer.class.getName());
            consumerConfig.setProperty("value.deserializer", StringDeserializer.class.getName());
            consumerConfig.setProperty("client.id", "my_client_id"); // 设置客户端ID
            consumerConfig.setProperty("partition.assignment.strategy", "org.apache.kafka.clients.consumer.RoundRobinAssignor"); // 设置分区分配策略
            // 设置存储偏移量的处理逻辑
            consumerConfig.setProperty("interceptor.classes", "com.example.OffsetInterceptor");
            return consumerConfig;
        });

        // 读取Kafka消息并处理
        pipeline.apply(KafkaIO.read()
                .withBootstrapServers("localhost:9092")
                .withTopic("my_topic")
                .withKeyDeserializer(StringDeserializer.class)
                .withValueDeserializer(StringDeserializer.class)
                .withConsumerConfigUpdates(ImmutableMap.of(
                        "auto.offset.reset", "none", // 禁止自动重置偏移量
                        "enable.auto.commit", false // 禁止自动提交偏移量
                )))
                .apply(ParDo.of(new DoFn, Void>() {
                    @ProcessElement
                    public void processElement(ProcessContext c) {
                        // 处理消息
                        KV record = c.element();
                        System.out.println("Key: " + record.getKey() + ", Value: " + record.getValue());

                        // 存储偏移量
                        KafkaRecordOffset offset = c.element().getMetadata(KafkaIOUtils.RECORD_OFFSET_KEY);
                        OffsetInterceptor.saveOffset(offset.getPartition().get(), offset.getOffset());
                    }
                }));

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

在上述代码示例中，我们创建了一个KafkaIO.Read配置对象，并设置了一些Kafka相关的参数，如Kafka集群地址、消费的主题、反序列化器等。然后，我们可以使用withConsumerFactoryFn方法设置自定义的消费者工厂函数，通过该函数可以自定义消费者的配置。在这个函数中，我们设置了消费者组、禁止自动重置偏移量、禁止自动提交偏移量、设置客户端ID和分区分配策略，并添加了一个拦截器类OffsetInterceptor用于存储偏移量。然后，我们使用apply方法读取Kafka消息，并使用ParDo将每条消息进行处理。在处理消息的过程中，我们可以通过getMetadata方法