在AWS EMR中，如果初始作业未接受任何资源，通常是因为配置或代码配置错误。以下是一些可能的解决方法：

1. 检查EMR集群的配置：确保在启动EMR集群时正确配置了资源。特别是，确保已为集群分配了足够的实例组和实例数。

2. 检查作业定义：检查作业定义文件中的配置是否正确。确保指定了正确的输入路径、输出路径和其他参数。

3. 检查作业代码：检查作业代码中的错误或问题。确保代码正确地读取输入数据，并将结果写入正确的输出路径。

以下是一个示例，展示了如何在EMR上运行一个简单的Spark作业：

from pyspark import SparkContext

# 创建SparkContext对象
sc = SparkContext()

# 读取输入数据
input_data = sc.textFile("s3://your-bucket/input.txt")

# 执行一些操作
result = input_data.flatMap(lambda line: line.split(" ")).map(lambda word: (word, 1)).reduceByKey(lambda a, b: a + b)

# 将结果写入输出路径
result.saveAsTextFile("s3://your-bucket/output.txt")

# 停止SparkContext对象
sc.stop()

确保在代码中指定了正确的输入和输出路径，以及适当的输入和输出格式。

如果问题仍然存在，可以查看EMR集群的日志文件，以获取更多详细信息。可以在EMR管理控制台上找到日志文件的位置，并检查任何错误或异常消息。

另外，可以考虑使用其他工具或服务来调试和监视EMR作业，比如AWS CloudWatch或AWS Step Functions。这些工具可以帮助您更好地理解作业的执行情况，并提供更多的调试和故障排除选项。