terms聚合后如何对单个桶的文档进行脚本操作 scripted_metric

请教一个问题:
如何对聚合terms聚合后的单个桶内的文档进行相关业务查询,如对比操作等.
POST /testindex/testtype/_bulk
{ "index": {}}
{ "id" : 1, "userid" : 100, "name" : "张三", "year" : 2000 }
{ "index": {}}
{ "id" : 2, "userid" : 100, "name" : "张三", "year" : 2003 }
{ "index": {}}
{ "id" : 3, "userid" : 101, "name" : "李四", "year" : 1999 }
{ "index": {}}
{ "id" : 4, "userid" : 101, "name" : "李四", "year" : 2004 }
{ "index": {}}
{ "id" : 5, "userid" : 102, "name" : "王五", "year" : 1980 }
{ "index": {}}
{ "id" : 6, "userid" : 102, "name" : "王五", "year" : 1984 }
{ "index": {}}
{ "id" : 7, "userid" : 102, "name" : "王五", "year" : 1987 }
比如,我按照用户id分组,然后想统计桶中关于year的跨度,即相邻两条数据的对比,如张三的year跨度为3
我写了一个查询,但是发现并非我想的一样
GET testindex/_search
{
  "size": 0,
  "aggs": {
    "byU": {
      "terms": {
        "field": "userid",
        "size": 10,
        "order": {
          "_term": "asc"
        }
      },
      "aggs": {
        "sc": {
          "scripted_metric": {
                "init_script": "params._agg.a=[]",
                "map_script": "params._agg.a.add(doc['id']);",
                "reduce_script": "return params._aggs[0]"
              }
        }
      }
    }
  }
}
查询出来的结果是
"aggregations": {
    "byU": {
      "doc_count_error_upper_bound": 0,
      "sum_other_doc_count": 0,
      "buckets": [
        {
          "key": 100,
          "doc_count": 2,
          "sc": {//这里期望为1,2
            "value": {
              "a": [
                [
                  1
                ]
              ]
            }
          }
        },
        {
          "key": 101,
          "doc_count": 2,
          "sc": {//这里期望为3,4
            "value": {
              "a": [
                [
                  3
                ]
              ]
            }
          }
        },
        {
          "key": 102,
          "doc_count": 3,
          "sc": {//这里期望为5,6,7
            "value": {
              "a": [
                [
                  7
                ],
                [
                  7
                ],
                [
                  7
                ]
              ]
            }
          }
        }
      ]
    }
  }