要确定AWS ds2.2xlarge和AWS ds2.8xlarge哪个在插入/更新/删除操作中表现更好的Redshift，可以进行以下步骤：

1. 创建测试表格：首先，使用相应的Redshift集群创建一个测试表格，该表格包含要进行插入/更新/删除操作的数据。

CREATE TABLE test_table (
    id INT,
    name VARCHAR(50),
    age INT
);

2. 进行性能测试：使用两种不同的实例类型（ds2.2xlarge和ds2.8xlarge）分别进行插入/更新/删除操作，并记录每种操作的执行时间。

在下面的代码示例中，我们将使用Python的boto3库来连接到Redshift集群并执行SQL查询。

import boto3

# 连接到Redshift集群
client = boto3.client('redshift',
    region_name='your_region',
    aws_access_key_id='your_access_key',
    aws_secret_access_key='your_secret_key')

# 执行插入操作并记录执行时间
start_time = time.time()
response = client.execute_statement(
    ClusterIdentifier='your_cluster_identifier',
    Database='your_database',
    Sql='INSERT INTO test_table VALUES (1, "John", 30);'
)
end_time = time.time()
insert_time = end_time - start_time
print("插入操作执行时间：", insert_time)

# 执行更新操作并记录执行时间
start_time = time.time()
response = client.execute_statement(
    ClusterIdentifier='your_cluster_identifier',
    Database='your_database',
    Sql='UPDATE test_table SET name="Jane" WHERE id=1;'
)
end_time = time.time()
update_time = end_time - start_time
print("更新操作执行时间：", update_time)

# 执行删除操作并记录执行时间
start_time = time.time()
response = client.execute_statement(
    ClusterIdentifier='your_cluster_identifier',
    Database='your_database',
    Sql='DELETE FROM test_table WHERE id=1;'
)
end_time = time.time()
delete_time = end_time - start_time
print("删除操作执行时间：", delete_time)

3. 比较性能：根据执行时间比较插入/更新/删除操作的性能。较短的执行时间表示更好的性能。

根据测试结果，您可以确定在插入/更新/删除操作中哪个实例类型（ds2.2xlarge或ds2.8xlarge）在Redshift中表现更好。

请注意，这只是一个示例解决方案。实际性能可能会受到其他因素的影响，例如数据大小、网络延迟等。因此，建议在自己的环境中进行详细测试以获得准确的性能比较结果。