Recientemente, las plataformas informáticas se han estado configurando a gran escala para satisfacer los diversos requisitos de aplicaciones emergentes como big data y procesamiento de gráficos, redes neuronales, reconocimiento de voz, entre otros. En estas plataformas informáticas, cada nodo de computación consta de un procesador multicore, un acelerador y una jerarquía de memoria compleja, que están conectados a otros nodos utilizando una variedad de redes de alto rendimiento. Hasta ahora, los investigadores han estado utilizando simuladores precisos al ciclo para evaluar el rendimiento de los sistemas informáticos en detalle. Sin embargo, la ejecución de los simuladores, que modelan la arquitectura informática moderna para multinúcleo, multi-nodo, centro de datos, jerarquía de memoria, nueva memoria y nueva interconexión, es demasiado lenta e inviable; dado que la arquitectura se ha vuelto más compleja hoy en día, la complejidad del simulador está aumentando rápidamente. Por lo tanto, es un desafío serio emplearlos en la investigación y desarrollo de sistemas informáticos de próxima generación. Para resolver este problema, presentamos previamente EPSim (Simulador basado en épocas), que define épocas que pueden ejecutarse de forma independiente dividiendo la ejecución de la simulación en varias secciones y ejecutándolas en paralelo en una plataforma multinúcleo, lo que resulta en un aumento limitado de la velocidad de simulación. En este artículo, para superar las limitaciones de recursos informáticos en plataformas multinúcleo, proponemos un nuevo simulador EPSim-C (EPSim en la nube) que extiende EPSim y logra un mayor rendimiento utilizando una plataforma de computación en la nube. EPSim-C está diseñado para realizar las ejecuciones basadas en épocas de manera masivamente paralela utilizando MapReduce en sistemas basados en Hadoop. Según nuestros experimentos, hemos logrado una velocidad máxima de 87.0x y una velocidad promedio de 46.1x utilizando 256 núcleos. Hasta donde sabemos, EPSim-C es la única forma existente de acelerar el simulador preciso al ciclo en plataformas en la nube; por lo tanto, nuestra significativa mejora de rendimiento permite a los investigadores modelar e investigar plataformas informáticas de vanguardia actuales y futuras utilizando cargas de trabajo reales.