AWS Glue作业可以使用适当的ETL（提取、转换、加载）过程来处理新的数据。以下是处理新进数据的最佳实践：

1. 使用Lambda函数将新的数据写入S3存储桶：

import boto3

s3 = boto3.client('s3')

def lambda_handler(event, context):
    # retrieve new data from source
    new_data = get_new_data()
    
    # write new data to S3 bucket
    s3.put_object(Bucket='mybucket', Key='new_data.csv', Body=new_data.encode('utf-8'))

2. 创建AWS Glue ETL作业并指定新的数据源：

import sys
from awsglue.transforms import *
from awsglue.utils import getResolvedOptions
from awsglue.dynamicframe import DynamicFrame

args = getResolvedOptions(sys.argv, ['JOB_NAME'])

glueContext = GlueContext(SparkContext.getOrCreate())

# create a dynamic frame from new data
new_data_frame = glueContext.create_dynamic_frame.from_options(
    connection_type='s3',
    connection_options={
        'path': 's3://mybucket/new_data.csv'
    },
    format='csv',
    format_options={
        'header': True
    }
)

# transform the data using appropriate transforms
...

# write the transformed data to target destination
...

通过使用Lambda函数将新的数据写入S3并使用AWS Glue创建ETL作业，可以在新的数据到达时自动地将其处理和加载到目标数据位置。