在AWS Glue中，ETL作业通常使用数据源进行转换，并将结果写入目标数据存储。如果ETL作业不输出所有记录，可能是由于以下几个原因：

1. 过滤条件：ETL作业可能会应用过滤条件来选择要转换的记录。如果某些记录不满足过滤条件，它们将被忽略。您可以检查ETL作业的代码，以确保过滤条件正确。

以下是一个示例，展示如何在AWS Glue中使用过滤条件：

from awsglue.transforms import Filter
from awsglue.dynamicframe import DynamicFrame

# 创建输入数据的动态框架
input_dynamic_frame = glueContext.create_dynamic_frame.from_catalog(database = "my_database", table_name = "my_table")

# 创建过滤条件
filter_condition = Filter.apply(frame = input_dynamic_frame, f = lambda x: x["my_column"] == "some_value")

# 获取满足过滤条件的记录
filtered_dynamic_frame = filter_condition.toDF()

# 将结果写入目标数据存储
glueContext.write_dynamic_frame.from_options(
    frame = filtered_dynamic_frame,
    connection_type = "s3",
    connection_options = {"path": "s3://my_bucket/my_output_folder"},
    format = "parquet"
)

2. 错误处理：ETL作业可能会遇到错误，导致某些记录无法被正确转换。如果错误处理机制未正确处理这些错误，那么这些记录将被丢弃。您可以检查ETL作业的错误处理代码，以确保错误被正确处理，并且不会导致记录被丢弃。

以下是一个示例，展示如何在AWS Glue中处理错误并输出所有记录：

from awsglue.context import GlueContext
from pyspark.context import SparkContext

# 创建Spark和Glue上下文
sc = SparkContext()
glueContext = GlueContext(sc)

# 创建输入数据的动态框架
input_dynamic_frame = glueContext.create_dynamic_frame.from_catalog(database = "my_database", table_name = "my_table")

# 转换数据并处理错误
try:
    transformed_dynamic_frame = MyTransformation.apply(frame = input_dynamic_frame)
except Exception as e:
    # 处理错误，例如记录错误日志等
    print("Error occurred: ", e)
    transformed_dynamic_frame = input_dynamic_frame

# 将结果写入目标数据存储
glueContext.write_dynamic_frame.from_options(
    frame = transformed_dynamic_frame,
    connection_type = "s3",
    connection_options = {"path": "s3://my_bucket/my_output_folder"},
    format = "parquet"
)

3. 数据丢失：如果数据源中存在缺失的记录，或者目标数据存储配置不正确，可能会导致某些记录丢失。您可以检查数据源和目标数据存储的配置，以确保数据正常加载和写入。

请注意，以上示例代码仅供参考，您需要根据实际情况进行修改和调整。这些示例代码假定您已经具备一定的AWS Glue和Spark编程的知识。