下面是一个使用AWS Glue将S3存储桶分区为多个Redshift表的解决方法，包含代码示例：

1. 首先，你需要创建一个AWS Glue Crawler来扫描并识别S3存储桶中的数据。这将帮助你创建一个数据目录。

import boto3

glue = boto3.client('glue')

response = glue.create_crawler(
    Name='my-s3-crawler',
    Role='AWSGlueServiceRole',
    DatabaseName='my_database',
    Targets={'S3Targets': [{'Path': 's3://my-bucket/'}]}
)

glue.start_crawler(
    Name='my-s3-crawler'
)

2. 接下来，你需要等待Crawler完成，并且数据目录已经创建。你可以使用以下代码来等待Crawler完成。

response = glue.get_crawler(Name='my-s3-crawler')

while response['Crawler']['State'] == 'RUNNING':
    response = glue.get_crawler(Name='my-s3-crawler')
    time.sleep(30)

3. 一旦Crawler完成，你可以使用以下代码创建Redshift表并将其分区。

response = glue.create_table(
    DatabaseName='my_database',
    TableInput={
        'Name': 'my_redshift_table',
        'Description': 'My Redshift table',
        'TableType': 'EXTERNAL_TABLE',
        'Parameters': {
            'classification': 'json',
            'compressionType': 'none',
            'typeOfData': 'file'
        },
        'StorageDescriptor': {
            'Columns': [
                {'Name': 'column1', 'Type': 'string'},
                {'Name': 'column2', 'Type': 'string'}
            ],
            'Location': 's3://my-bucket/data/',
            'InputFormat': 'org.apache.hadoop.mapred.TextInputFormat',
            'OutputFormat': 'org.apache.hadoop.hive.ql.io.HiveIgnoreKeyTextOutputFormat',
            'SerdeInfo': {
                'SerializationLibrary': 'org.openx.data.jsonserde.JsonSerDe',
                'Parameters': {'paths': 'column1,column2'}
            },
            'PartitionKeys': [
                {'Name': 'year', 'Type': 'int'},
                {'Name': 'month', 'Type': 'int'},
                {'Name': 'day', 'Type': 'int'}
            ]
        }
    }
)

在上述代码中，你需要将my_database和my_redshift_table替换为你自己的数据库和表名称。Location参数指定了S3存储桶中数据的路径。Columns参数定义了表的列。SerdeInfo参数定义了数据序列化的方式。PartitionKeys参数定义了表的分区键。

希望这个解决方法可以帮助到你。