要从DynamoDB导出数据并将其加载到Redshift中，可以使用AWS数据管道和AWS Glue来实现。以下是一个示例解决方案，包括所需的代码示例。

1. 创建DynamoDB表 在AWS管理控制台上创建一个DynamoDB表，并确保表中有一些数据可供导出。

2. 创建Redshift集群 在AWS管理控制台上创建一个Redshift集群，并确保集群已准备就绪。

3. 创建IAM角色 在AWS管理控制台上创建一个IAM角色，该角色将用于授权数据管道执行所需的操作。为该角色授予适当的权限，例如访问DynamoDB和Redshift。

4. 创建数据管道 在AWS管理控制台上创建一个数据管道，配置以下步骤：

• 输入数据源：选择DynamoDB作为输入源，并选择先前创建的DynamoDB表。

• 目标数据源：选择Redshift作为目标，并选择先前创建的Redshift集群。

• 转换步骤：此处不需要任何转换步骤。

• 目标表：配置Redshift目标表的名称和模式。

• 调度：根据需要配置调度选项。

5. 创建Glue作业 在AWS Glue控制台上创建一个作业，该作业将用于从DynamoDB导出数据并将其加载到Redshift。

以下是一个使用Python和PySpark的示例代码：

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 SQLContext

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

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

# 创建动态框架
datasource0 = glueContext.create_dynamic_frame.from_catalog(database='your_database', table_name='your_table', transformation_ctx='datasource0')

# 将动态框架转换为Spark数据帧
dataframe0 = datasource0.toDF()

# 将数据帧写入Redshift
dataframe0.write \
    .format("jdbc") \
    .option("url", "jdbc:redshift://your_redshift_endpoint:5439/your_database") \
    .option("dbtable", "your_redshift_table") \
    .option("user", "your_redshift_username") \
    .option("password", "your_redshift_password") \
    .option("aws_iam_role", "your_iam_role_arn") \
    .option("tempdir", "s3://your_s3_bucket/temp") \
    .mode("overwrite") \
    .save()

# 提交作业
glueContext.commit_job(args['JOB_NAME'])

请确保将上述代码中的“your_database”、“your_table”、“your_redshift_endpoint”、“your_redshift_table”、“your_redshift_username”、“your_redshift_password”、“your_iam_role_arn”和“your_s3_bucket”替换为您的实际值。

6. 运行数据管道 在AWS数据管道控制台上运行所创建的数据管道。数据管道将触发Glue作业，该作业将从DynamoDB导出数据并将其加载到Redshift中。

请注意，上述示例解决方案仅提供了一个基本的框架，您可能需要根据自己的需求进行更改和调整。