要在AWS Glue中使用DocumentDB来跟踪已处理的数据，可以按照以下步骤进行操作：

1. 创建AWS Glue数据目录：首先，在AWS Glue控制台中创建一个数据目录，用于存储已处理数据的元数据。在控制台的“数据目录”部分，点击“新建数据目录”按钮，填写名称和描述，并选择一个S3存储桶用于存储元数据。

2. 创建Glue连接：接下来，在AWS Glue控制台的“连接”部分，创建一个连接来连接到DocumentDB。点击“新建连接”按钮，选择“AWS服务”类型，然后选择“DocumentDB”作为连接类型。填写连接名称、描述和所需的连接详细信息，包括DocumentDB集群的终端节点、用户名和密码。

3. 创建Glue作业：在AWS Glue控制台的“作业”部分，创建一个新的Glue作业。填写作业名称和描述，并选择一个已存在的Glue连接作为数据源连接。在“脚本和承载类型”部分，选择“执照器类型”为“Python”并输入以下代码示例：

import sys

from awsglue.transforms import *
from awsglue.utils import getResolvedOptions
from pyspark.context import SparkContext
from awsglue.context import GlueContext
from awsglue.job import Job

# Initialize Glue context
sc = SparkContext()
glueContext = GlueContext(sc)
spark = glueContext.spark_session
job = Job(glueContext)

# Read data from DocumentDB
dataframe = glueContext.create_dynamic_frame.from_catalog(
    database = "your-database",
    table_name = "your-table",
    transformation_ctx = "datasource"
)

# Perform data transformations
# ...

# Write processed data to DocumentDB
glueContext.write_dynamic_frame.from_options(
    frame = transformed_data,
    connection_type = "mongodb",
    connection_options = {
        "uri": "mongodb://your-documentdb-endpoint",
        "database": "your-database",
        "collection": "your-collection"
    },
    transformation_ctx = "datasink"
)

# Commit the job
job.commit()

请注意，上述代码示例中的“your-database”、“your-table”、“your-documentdb-endpoint”等需要根据您的情况进行替换。

4. 配置作业参数：在AWS Glue控制台的作业页面，点击作业名称，然后点击“编辑作业”按钮。在“作业参数”部分，配置所需的作业参数，包括输入和输出数据目录、连接等。

5. 运行作业：点击“运行”按钮来运行Glue作业。AWS Glue会自动读取DocumentDB中的数据，执行指定的数据转换操作，并将处理后的数据写入到指定的DocumentDB集合中。

通过以上步骤，您可以在AWS Glue中使用DocumentDB来跟踪已处理的数据。