在Apache Beam中，处理时间（Processing Time）和事件时间（Event Time）是两种不同的时间概念。

处理时间是指数据流在处理过程中所使用的系统时间。它是由处理引擎的时钟提供的，通常是指数据到达处理步骤的时间。在处理时间模式下，数据在管道中的处理是基于它们到达的顺序进行的。处理时间对于实时数据处理很有用，特别是那些不需要考虑数据的时间戳的情况。

事件时间是指数据本身所包含的时间戳。它是数据生成的时间，通常是由数据源提供的。在事件时间模式下，数据在管道中的处理是基于它们的时间戳进行的，而不是它们到达系统的时间。事件时间对于处理具有时间相关性的数据非常有用，例如数据窗口化、按时间分组和按时间窗口聚合等操作。

下面是一个使用Apache Beam处理时间和事件时间的代码示例：

import apache_beam as beam
from apache_beam.transforms.trigger import AfterProcessingTime, AfterWatermark, AfterCount

# 定义一个自定义的ParDo函数，将处理时间和事件时间打印到日志中
class LogTimestamps(beam.DoFn):
    def process(self, element, timestamp=beam.DoFn.TimestampParam):
        print("Processing time:", timestamp)
        print("Event time:", element['timestamp'])
        yield element

# 构建一个Pipeline
p = beam.Pipeline()

# 从消息队列中读取数据
messages = p | beam.io.ReadFromPubSub(topic='input_topic')

# 将数据解析为字典格式
parsed_messages = messages | beam.Map(lambda x: eval(x))

# 在ParDo函数中打印时间戳
log_timestamps = parsed_messages | beam.ParDo(LogTimestamps())

# 执行Pipeline
p.run()

在上面的代码中，我们从消息队列中读取数据，并将其解析为字典格式。然后，使用自定义的ParDo函数打印处理时间和事件时间到日志中。

通过运行上述代码，您将能够看到处理时间和事件时间的差异。处理时间会显示数据到达处理步骤的时间，而事件时间会显示数据本身的时间戳。

请注意，上述示例代码是Python版本的Apache Beam示例，如果您使用不同的编程语言，可以根据对应的语言文档进行相关的代码编写。