AWS Glue和Crawler用于层次化Avro文件的解决方法如下：

1. 创建一个AWS Glue Crawler来识别和解析Avro文件。以下是一个示例代码：

import boto3

client = boto3.client('glue', region_name='us-east-1')

response = client.create_crawler(
    Name='AvroCrawler',
    Role='arn:aws:iam::123456789012:role/AWSServiceRoleForGlue',
    DatabaseName='your-database-name',
    Description='Crawler for Avro files',
    Targets={
        'S3Targets': [
            {
                'Path': 's3://your-bucket-name/your-folder-path/',
                'Exclusions': []
            },
        ]
    },
    SchemaChangePolicy={
        'UpdateBehavior': 'UPDATE_IN_DATABASE',
        'DeleteBehavior': 'DEPRECATE_IN_DATABASE'
    },
    Configuration='{"Version": 1.0, "Grouping": {"TableGroupingPolicy": "CombineCompatibleSchemas"}}'
)

print(response)

上述代码创建了一个名为"AvroCrawler"的crawler，它会扫描位于"s3://your-bucket-name/your-folder-path/"路径下的Avro文件，并将其解析为层次化的表。

2. 运行AWS Glue Crawler。可以通过AWS Glue控制台或使用以下代码启动Crawler：

response = client.start_crawler(
    Name='AvroCrawler'
)

print(response)

上述代码启动了名为"AvroCrawler"的crawler。

3. 在AWS Glue Data Catalog中查看解析后的表。在运行Crawler之后，可以通过AWS Glue控制台或使用以下代码列出数据库中的所有表：

response = client.get_tables(
    DatabaseName='your-database-name'
)

print(response)

上述代码将打印出数据库中的所有表，包括由Avro文件解析生成的层次化表。

这样，您就可以使用AWS Glue和Crawler来处理层次化的Avro文件。