当使用AWS EMR中的Spark作业向S3写入数据时出现未知错误，可能是由于一些常见问题导致的。以下是一些可能的解决方法，包含代码示例：

1. 检查S3路径是否正确：确保你正在写入的S3路径是正确的，并且具有正确的权限。

val outputS3Path = "s3://bucket-name/path/to/output"
df.write.parquet(outputS3Path)

2. 检查AWS凭证是否正确配置：确保你的AWS凭证正确配置，并且具有足够的权限来写入S3。你可以使用AWS CLI或通过设置环境变量来配置凭证。

sc.hadoopConfiguration.set("fs.s3a.access.key", "YOUR_ACCESS_KEY")
sc.hadoopConfiguration.set("fs.s3a.secret.key", "YOUR_SECRET_KEY")

3. 检查Spark配置是否正确：确保你的Spark配置正确设置，以便与S3交互。特别是，确保你已经设置了正确的S3文件系统URI。

spark.conf.set("spark.hadoop.fs.s3a.impl", "org.apache.hadoop.fs.s3a.S3AFileSystem")
spark.conf.set("spark.hadoop.fs.s3a.access.key", "YOUR_ACCESS_KEY")
spark.conf.set("spark.hadoop.fs.s3a.secret.key", "YOUR_SECRET_KEY")

4. 检查网络连接是否正常：确保你的网络连接正常，并且没有任何防火墙或网络配置问题。你可以尝试从EMR集群中的一个节点上使用AWS CLI尝试写入S3，以验证网络连接是否正常。

aws s3 cp local-file s3://bucket-name/path/to/file

5. 检查EMR角色是否具有正确的权限：确保你的EMR角色具有足够的权限来写入S3。你可以在IAM控制台中检查EMR角色，并确保它具有适当的S3权限。

这些解决方法可能会帮助你解决AWS EMR中的Spark作业在向S3写入时出现的未知错误。然而，具体的解决方法可能因问题的复杂性而有所不同，因此建议根据错误消息和日志进一步调查并尝试不同的解决方法。