在AWS Glue中写入Snowflake时对列进行混洗的解决方法如下：

1. 创建一个AWS Glue作业。

import sys
from awsglue.transforms import *
from awsglue.utils import getResolvedOptions
from pyspark.context import SparkContext
from awsglue.context import GlueContext
from pyspark.sql import SparkSession

# 获取作业参数
args = getResolvedOptions(sys.argv, ['JOB_NAME'])

# 创建SparkSession和GlueContext
sc = SparkContext()
glueContext = GlueContext(sc)
spark = glueContext.spark_session

# 创建动态框架
glueContext.create_dynamic_frame.from_catalog(
    database = "your_database",
    table_name = "your_table"
).toDF().createOrReplaceTempView("input_table")

# 执行混洗操作
shuffled_df = spark.sql("""
    SELECT col1, col2, col3
    FROM input_table
    ORDER BY RAND()
""")

# 将混洗后的数据写入Snowflake
shuffled_df.write.format("net.snowflake.spark.snowflake") \
    .option("sfURL", "your_snowflake_url") \
    .option("sfDatabase", "your_snowflake_database") \
    .option("sfWarehouse", "your_snowflake_warehouse") \
    .option("sfSchema", "your_snowflake_schema") \
    .option("sfRole", "your_snowflake_role") \
    .option("sfUser", "your_snowflake_user") \
    .option("sfPassword", "your_snowflake_password") \
    .option("dbtable", "your_snowflake_table") \
    .mode("overwrite") \
    .save()

# 结束作业
glueContext.end_of_job()

2. 将上述代码保存为一个AWS Glue作业脚本，例如shuffle_columns_to_snowflake.py。

3. 在AWS Glue控制台上创建一个新的作业，并将作业类型设置为"Spark"。

4. 在"Spark脚本"部分上传或引用之前保存的作业脚本文件。

5. 配置作业参数，例如数据库、表名、Snowflake连接信息等。

6. 根据需求配置其他作业设置，例如触发器、调度等。

7. 保存并运行作业，AWS Glue将使用Spark执行混洗操作，并将结果写入Snowflake目标表中。