若AWS Glue作业无法写入Redshift，可能是由于以下原因之一：

1. 作业角色权限不足：确保在创建Glue作业时，为作业指定的IAM角色具有足够的权限来写入Redshift。可以通过在IAM控制台上为该角色附加适当的策略来解决此问题。

2. 数据目标未正确配置：确保在Glue作业脚本中正确配置了Redshift作为数据目标。以下是一个使用Glue动态帧（DynamicFrame）将数据写入Redshift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

# 获取Glue作业的参数
args = getResolvedOptions(sys.argv, ['JOB_NAME'])

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

# 从数据源创建动态帧
data_source = glueContext.create_dynamic_frame.from_catalog(database = "your-database", table_name = "your-table")

# 进行数据转换和处理
# ...

# 将动态帧转换为Spark DataFrame
data_frame = data_source.toDF()

# 将数据写入Redshift
data_frame.write \
    .format("jdbc") \
    .option("url", "jdbc:redshift://your-redshift-endpoint:5439/your-database") \
    .option("dbtable", "your-table") \
    .option("user", "your-username") \
    .option("password", "your-password") \
    .option("driver", "com.amazon.redshift.jdbc42.Driver") \
    .mode("append") \
    .save()

请注意，在上述示例中，您需要将以下参数替换为您的实际值：

• your-database：Redshift数据库名称
• your-table：要写入的目标表名称
• your-redshift-endpoint：Redshift集群的终端节点
• your-username：Redshift数据库的用户名
• your-password：Redshift数据库的密码

此外，确保已将Redshift JDBC驱动程序（redshift-jdbc42-X.X.X.jar）添加到Glue作业的依赖项中。

通过以上步骤，您应该能够解决AWS Glue作业无法写入Redshift的问题。