当遇到AWS EMR无服务器Spark作业异常时，可以尝试以下解决方法。

1. 检查AWS EMR配置：确保AWS EMR集群的配置正确。检查集群配置参数，例如实例类型、存储容量、网络设置等，以确保它们满足作业的要求。

2. 检查作业代码：确保作业代码没有任何语法错误或逻辑错误。检查Spark作业代码的相关部分，例如数据读取、转换、操作和写入等部分，并确保它们正确。

以下是一个示例代码：

from pyspark.sql import SparkSession

# 创建SparkSession
spark = SparkSession.builder.appName("ExampleJob").getOrCreate()

# 读取数据
data = spark.read.csv("s3://bucket/path/to/data.csv", header=True)

# 进行转换和操作
# ...

# 写入结果
data.write.parquet("s3://bucket/path/to/result.parquet")

3. 检查作业依赖项：如果作业依赖于其他库或文件，确保它们已正确安装或上传到集群上。您可以使用spark-submit命令行选项，例如--py-files、--packages等，将依赖项传递给作业。

4. 检查作业资源：如果作业需要使用特定的资源（例如内存或CPU），请确保集群配置中的资源分配满足作业的需求。您可以通过调整实例类型、数量和配置参数来调整资源分配。

5. 检查日志和错误信息：如果作业失败，查看集群的日志和错误输出以获取更多信息。您可以使用AWS EMR控制台、AWS CLI或AWS SDK等工具来访问作业的日志和错误信息。

6. 重试作业：如果作业失败是由于临时问题引起的（例如网络故障或资源不足），可以尝试重新运行作业。重试作业可能会解决问题。

请注意，以上解决方法仅供参考，并且可能因特定情况而异。如果问题仍然存在，请查阅AWS EMR文档、社区论坛或联系AWS支持进行进一步的故障排除。