要解决AWS Glue在Redshift模式中以错误的顺序抓取表的问题，可以使用AWS Glue的crawler和job来按正确的顺序抓取和加载表。

以下是一个示例解决方案，包括代码示例：

1. 创建一个AWS Glue的crawler，将其配置为抓取Redshift数据库中的表。假设表的命名约定为按照字母顺序递增的顺序命名（例如table_1，table_2，table_3等）。

import boto3

glue_client = boto3.client('glue')

response = glue_client.create_crawler(
    Name='redshift_crawler',
    Role='AWSGlueServiceRole',
    DatabaseName='your_database',
    Targets={
        'S3Targets': [],
        'JdbcTargets': [
            {
                'ConnectionName': 'your_redshift_connection',
                'Path': 'your_redshift_database_name',
                'Exclusions': []
            },
        ]
    },
    TablePrefix: 'table_'
)

response = glue_client.start_crawler(Name='redshift_crawler')

2. 创建一个AWS Glue的job，将其配置为按照正确的顺序加载表。在job的脚本中，您可以使用Python的排序功能来按照正确的顺序处理表。

import boto3
import pyspark.sql.functions as F

glue_context = GlueContext(SparkContext.getOrCreate())

# 获取所有表
tables = glue_context.create_dynamic_frame.from_catalog(database='your_database', table_prefix='table_')

# 按正确的顺序对表进行排序
sorted_tables = sorted(tables.toDF().collect(), key=lambda x: x['table_name'])

# 逐个加载表
for table in sorted_tables:
    table_name = table['table_name']
    df = glue_context.create_dynamic_frame.from_catalog(database='your_database', table_name=table_name).toDF()
    # 在此处添加您的处理逻辑
    # ...

    # 将处理后的数据写回Redshift
    df.write \
        .format('com.databricks.spark.redshift') \
        .option('url', 'your_redshift_url') \
        .option('dbtable', table_name) \
        .option('user', 'your_redshift_user') \
        .option('password', 'your_redshift_password') \
        .mode('overwrite') \
        .save()

通过以上解决方案，您可以确保AWS Glue按照正确的顺序抓取和加载Redshift模式中的表。请根据您的具体情况修改代码中的参数和配置。