在AWS Glue中，如果ETL作业无法加载新分区，可以尝试以下解决方法：

1. 确保IAM角色具有正确的权限：检查IAM角色是否具有适当的权限来访问源和目标数据存储，以及执行Glue操作。您可以通过为IAM角色关联适当的策略来授予所需的权限。

2. 检查数据源和目标连接：确保数据源和目标连接正确配置。验证连接参数，例如数据库名称、表名称、用户名、密码等。您可以在AWS Glue控制台中测试连接来验证连接是否正常。

3. 检查分区定义：确保分区定义与数据存储中的实际分区结构匹配。如果分区定义不正确，Glue作业将无法正确加载新分区。您可以使用Glue控制台或Glue API来查看和更新分区定义。

以下是一个示例代码，用于在Glue作业中加载新分区：

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

# 创建Spark和Glue上下文
sc = SparkContext()
glueContext = GlueContext(sc)
spark = glueContext.spark_session
job = glueContext.create_dynamic_frame_job(args['JOB_NAME'])

# 读取目标表的分区定义
target_table = glueContext.create_dynamic_frame.from_catalog(database = "your_database_name", table_name = "your_table_name")
target_table_partitions = target_table.schema().partitionKeys

# 构建新分区路径
new_partition = "your_new_partition_value"

# 检查新分区是否已存在
if new_partition not in target_table_partitions:
    # 创建新分区
    target_table = target_table.repartition(target_table_partitions + [new_partition])
    # 将数据写入新分区
    glueContext.write_dynamic_frame.from_catalog(frame = target_table, database = "your_database_name", table_name = "your_table_name", transformation_ctx = "write_new_partition")
else:
    print("New partition already exists.")

# 执行Glue作业
job.commit()

注意：上述示例代码假设您已经使用AWS Glue数据目录定义了数据源和目标表，并且在Glue作业参数中传递了作业名称。您需要根据实际情况进行相应的更改。