对于 AWS Glue 和 EMR Serverless 的比较，可以分别从以下两个方面入手：

1. 工作流程 AWS Glue 主要是 ETL 的自动化工具，而 EMR Serverless 则是无服务器的大数据处理平台。 以 AWS Glue 为例的 Python 代码示例：

import boto3
import sys
from awsglue.utils import getResolvedOptions
from awsglue.job import Job
args = getResolvedOptions(sys.argv, ['JOB_NAME'])
glue_client = boto3.client('glue')
job = Job(glue_client, args['JOB_NAME'])
job.init()
...
job.commit()

以 EMR Serverless 为例的 Python 代码示例：

import boto3
emr = boto3.client('emr')
step_args = ['jar', 's3://elasticmapreduce/samples/wordcount/wordcount.jar', 's3://elasticmapreduce/samples/wordcount/input', 's3://myawsbucket/wordcount/output']
response = emr.start_job_run(
    Name='wordcount',
    Steps=[{
        'Name': 'wordcount',
        'ActionOnFailure': 'TERMINATE_JOB_FLOW',
        'HadoopJarStep': {
            'Jar': 'command-runner.jar',
            'Args': step_args
        }
    }],
    VisibleToAllUsers=True,
    JobFlowRole='myEMRRole',
    ServiceRole='theEMRServiceRole'
)

2. 成本及优化 AWS Glue 的计算成本高于 EMR Serverless，但是 AWS Glue 的一个优点是，它自动管理工作流程中的任务，因此可以大大减少 ETL 作业的开发和运行时间。 以 AWS Glue 为例的 Python 代码示例，可以通过调整工作流程等方式来优化成本：

...
job.init()
# Adjust the number of workers & workersType properties to optimize cost
job_configs = {"workers": 1, "workerType": "Standard"}
job.run(job_configs)

以 EMR Serverless 为例的