最后我用字符串连接手动构建了json，

# UPLOAD AS JSON

UNLOAD ('SELECT CHR(123)||
\'"receiver_idfa":"\'||nvl(receiver_idfa,\'\')||\'",\'||
\'"brand":"\'||nvl(brand,\'\')||\'",\'||
\'"total":\'||nvl(total,0)||\',\'||
\'"screen_dpi":\'||nvl(screen_dpi,0)||\',\'||
\'"city":"\'||nvl(city,\'\')||\'",\'||
\'"wifi":\'||nvl(convert(integer,wifi),0)||\',\'||
\'"duration":\'||nvl(duration,0)||\',\'||
\'"carrier":"\'||nvl(carrier,\'\')||\'",\'||
\'"screen_width":\'||nvl(screen_width,0)||\',\'||
\'"time":\'||nvl("time",0)||\',\'||
\'"ts":"\'||nvl(ts,\'1970-01-01 00:00:00\')||\'",\'||
\'"month":\'||nvl(month,0)||\',\'||
\'"year":\'||nvl(year,0)||\',\'||
\'"day":\'||nvl(day,0)||\',\'||
\'"hour":\'||nvl(hour,0)||\',\'||
\'"minute":\'||nvl(minute,0)||
chr(125) from event_logs')                                                                                              
TO 's3://BUCKET/PREFIX/KEY'
WITH CREDENTIALS AS 'CREDENTIALS...' 
GZIP
DELIMITER AS '\t'
;

在这里， nvl 函数用于替换空值 convert 用于将布尔值替换为int || 是红移中的连接运算符 chr 用于生成 { 以及 } 性格
这个操作不如csv卸载那么快。这需要2-3倍的时间。但我们需要做一次，这很好。我卸载了大约16亿条记录，并在spark中成功导入了所有这些记录。
注意：通过spark解析json不是有效的方法。还有其他更快的格式，如Parquet文件，序列文件。所以对于spark来说，这可能不是一条正确的道路。但是对于作为json卸载，您可以使用这个解决方案。

因为redshift是基于postgresql的rdbms；提取到json可能不是一种简单的方法。在运行unload命令（输出“csv”）之后，可以将该csv转换为json格式
以下是github项目：https://github.com/darwin/csv2json
如果需要基于命令的工具：https://www.npmjs.com/package/csvtojson

查看 spark-redshift 库，它的设计允许apachespark使用 UNLOAD ; 它自动管理转义和模式处理。
您可以直接对从redshift加载的数据运行spark查询，也可以将redshift数据保存为类型化格式（如parquet），然后查询该数据。
完全公开：我是那个库的主要维护者。